背景：
Python是一种解释性的语言，执行速度相比C、C++等语言十分缓慢；因此我们需要在其它地方上下功夫来提高代码的执行速度。
首先需要对代码进行分析，这个时候则需要用一些工具。
这里介绍cProfile：
全代码分析：
命令行:
cProfile -s tottime your_program.py
结果如下：
ncalls tottime percall cumtime percall filename:lineno(function)
66 0.001 0.000 11.850 0.180 base.py:228(micro_service)
66 0.003 0.000 11.849 0.180 tools.py:557(micro_service)
1056 0.001 0.000 11.073 0.010 connection.py:463(drain_events)
1056 0.015 0.000 11.072 0.010 connection.py:466(blocking_read)
1056 0.008 0.000 10.920 0.010 transport.py:233(read_frame)
3168 0.014 0.000 10.908 0.003 transport.py:370(_read)
3168 10.892 0.003 10.892 0.003 {method 'recv' of '_socket.socket' objects}
66 0.001 0.000 9.814 0.149 rpc.py:350(__call__)
66 0.001 0.000 8.395 0.127 rpc.py:329(result)
块分析:
上面属于文件分析,但是我们可能只对部分代码感兴趣，那么只需要在这部分代码的前后加上下面这两段代码即可：
import cProfile cp = cProfile.Profile() cp.enable() YOUR CODE cp.disable() cp.print_stats()
结果与全代码分析的类似，但是只包含你感兴趣的部分。
行分析:
行分析需要安装line_profiler：
pip install line_profiler
@profile def class_name() pass
然后在命令行输入：
kernprof -l -v your_code.py -l 逐行分析 -v 立即查看结果
示例：
from cProfile import Profile as profile
from pstats import Stats
def ():
p = profile()
p.snapshot_stats()
p.enable()
p.disable()
p.print_stats(2) # 按照调用累加总耗时累加排序，即将最耗时的函数最优先
p.dump_stats("call.log")
关于profile和cProfile的更多链接，请点击：
https://docs.python.org/3/library/profile.html?spm=5176.100239.0.0.qa5fU5
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
