作者|Ujjwal Dalmia
编译|VK
起源|Towards Data Science

当咱们开始精通编程语言时，咱们不仅心愿实现最终目标，而且心愿使咱们的程序高效。

在这个教程中，咱们将学习一些Ipython的命令，这些命令能够帮忙咱们对Python代码进行工夫剖析。

留神，在本教程中，我倡议应用Anaconda。

1.剖析一行代码

要查看一行python代码的执行工夫，请应用%timeit。上面是一个简略的例子来理解它的工作原理：

#### magics命令%timeit的简略用法%timeit [num for num in range(20)]#### 输入1.08 µs ± 43 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

次要注意事项：

  • 在要剖析的代码行之前应用%timeit
  • 它返回代码运行的平均值和标准偏差。在下面的示例中，执行了7次，每次执行对该代码循环100万次(默认行为)。这须要均匀1.08微秒和43纳秒的标准偏差。
  • 在调用magic命令时，能够自定义运行和循环的数量。示例如下：
#### 在%timeit magic命令中自定义运行和循环数%timeit -r5 -n100 [num for num in range(20)]1.01 µs ± 5.75 ns per loop (mean ± std. dev. of 5 runs, 100 loops each)

应用命令选项-r和-n，别离示意执行次数和循环次数，咱们将工夫配置文件操作定制为执行5次和循环100次。

2.剖析多行代码

本节向前迈进了一步，并解释了如何剖析残缺的代码块。通过对%timeit magic命令进行一个小的批改，将单百分比（%）替换为双百分比（%%），就能够剖析一个残缺的代码块。以下为示例演示，供参考：

#### 应用timeblock%%代码剖析%%timeit -r5 -n1000for i in range(10):    n = i**2    m = i**3    o = abs(i)    #### 输入10.5 µs ± 226 ns per loop (mean ± std. dev. of 5 runs, 1000 loops each)

能够察看到for循环的均匀执行工夫为10.5微秒。请留神，命令选项-r和-n别离用于管制执行次数和循环次数。

3.代码块中的每一行代码进行工夫剖析

到目前为止，咱们只在剖析一行代码或代码块时查看摘要统计信息。如果咱们想评估代码块中每一行代码的性能呢？应用Line_profiler 。

Line_profiler 包可用于对任何函数执行逐行剖析。要应用line_profiler软件包，请执行以下步骤：

  • 装置—Line_profiler 包能够通过简略的调用pip或conda Install来装置。如果应用的是针对Python的anaconda发行版，倡议应用conda装置
#### 装置line_profiler软件包conda install line_profiler

加载扩大—一旦装置，你能够应用IPython来加载line_profiler:

#### 加载line_profiler的Ipython扩大%load_ext line_profiler

工夫剖析函数—加载后，应用以下语法对任何预约义函数进行工夫剖析

%lprun -f function_name_only function_call_with_arguments

语法细节：

  • 对line_profiler的调用以关键字%lprun开始，后跟命令选项-f
  • 命令选项之后是函数名，而后是函数调用

在本练习中，咱们将定义一个承受高度（以米为单位）和分量（以磅为单位）列表的函数，并将其别离转换为厘米和千克。

#### 定义函数def conversion(ht_mtrs, wt_lbs ):    ht_cms = [ht*100 for ht in ht_mtrs]    wt_kgs = [wt*.4535 for wt in wt_lbs]    #### 定义高度和分量列表:ht = [5,5,4,7,6]wt = [108, 120, 110, 98]#### 应用line_profiler剖析函数%lprun -f conversion conversion(ht,wt)---------------------------------------------------------------#### 输入Total time: 1.46e-05 sFile: <ipython-input-13-41e195af43a9>Function: conversion at line 2Line #      Hits         Time  Per Hit   % Time  Line Contents==============================================================     2       1        105.0    105.0     71.9      ht_cms = [ht*100 for ht in ht_mtrs]     3       1         41.0     41.0     28.1      wt_kgs = [wt*.4535 for wt in wt_lbs]

输入详细信息：

以14.6微秒为单位（参考第一行输入）

生成的表有6列：

  • 第1列（行#）—代码的行号（请留神，第#1行是成心从输入中省略的，因为它只是函数定义语句）
  • 第2列（命中）—调用该行的次数
  • 第3列（工夫）—在代码行上破费的工夫单位数（每个工夫单位为14.6微秒）
  • 第4列（每次命中均匀工夫）—第3列除以第2列
  • 第5列（%Time）—在所破费的总工夫中，花在特定代码行上的工夫百分比是多少
  • 第6列（内容）—代码行的内容

你能够分明地留神到，高度从米到厘米的转换简直占了总工夫的72%。

结束语

利用每一行代码的执行工夫，咱们能够部署策略来进步代码的效率。在接下来的3个教程中，咱们将分享一些最佳实际来帮忙你进步代码的效率。

我心愿这篇教程能提供帮忙，你能学到一些新货色。

原文链接：https://towardsdatascience.co...

欢送关注磐创AI博客站：
http://panchuang.net/

sklearn机器学习中文官网文档：
http://sklearn123.com/

欢送关注磐创博客资源汇总站：
http://docs.panchuang.net/