這篇文章主要介紹了python性能檢測(cè)工具函數(shù)運(yùn)行內(nèi)存及運(yùn)行時(shí)間，python雖然是一門(mén)慢語(yǔ)言，但是也有著比較多的性能檢測(cè)工具來(lái)幫助我們優(yōu)化程序的運(yùn)行效率，下文小編給大家分享五個(gè)性能檢測(cè)工具,需要的朋友可以參考一下

python雖然是一門(mén)'慢語(yǔ)言'，但是也有著比較多的性能檢測(cè)工具來(lái)幫助我們優(yōu)化程序的運(yùn)行效率。這里總結(jié)了五個(gè)比較好的python性能檢測(cè)工具，包括內(nèi)存使用、運(yùn)行時(shí)間、執(zhí)行次數(shù)等方面。

首先，來(lái)編寫(xiě)一個(gè)基礎(chǔ)的python函數(shù)用于在后面的各種性能測(cè)試。

def base_func():
    for n in range(10000):
        print('當(dāng)前n的值是：{}'.format(n))

1、memory_profiler進(jìn)程監(jiān)視

memory_profiler是python的非標(biāo)準(zhǔn)庫(kù)，所以這里采用pip的方式進(jìn)行安裝。
它能夠監(jiān)視進(jìn)程、了解內(nèi)存使用等情況。

pip install memory_profiler

安裝好memory_profiler庫(kù)以后，直接使用注解的方式進(jìn)行測(cè)試

from memory_profiler import profile
@profile
def base_func1():
    for n in range(10000):
        print('當(dāng)前n的值是：{}'.format(n))
base_func1()
# Line #    Mem usage    Increment  Occurrences   Line Contents
# =============================================================
#     28     45.3 MiB     45.3 MiB           1   @profile
#     29                                         def base_func():
#     30     45.3 MiB      0.0 MiB       10001       for n in range(10000):
#     31     45.3 MiB      0.0 MiB       10000           print('當(dāng)前n的值是：{}'.format(n))

從返回的數(shù)據(jù)結(jié)果來(lái)看，執(zhí)行當(dāng)前函數(shù)使用了45.3 MiB的內(nèi)存。

2、timeit 時(shí)間使用情況

timeit是python的內(nèi)置模塊，可以測(cè)試單元格的代碼運(yùn)行時(shí)間，由于是內(nèi)置模塊所以并不需要單獨(dú)安裝。

import timeit
def base_func2():
    for n in range(10000):
        print('當(dāng)前n的值是：{}'.format(n))
res = timeit.timeit(base_func2,number=5)
print('當(dāng)前的函數(shù)的運(yùn)行時(shí)間是：{}'.format(res))

當(dāng)前的函數(shù)的運(yùn)行時(shí)間是：0.9675800999999993

根據(jù)上面函數(shù)的運(yùn)行返回結(jié)果，函數(shù)的運(yùn)行時(shí)間是0.96秒。

3、line_profiler行代碼運(yùn)行時(shí)間檢測(cè)

如果在只需要檢測(cè)函數(shù)的局部運(yùn)行時(shí)間的話就可以使用line_profiler了，它可以檢測(cè)出每行代碼的運(yùn)行時(shí)間。
line_profiler是python的非標(biāo)準(zhǔn)庫(kù)，使用的使用pip的方式安裝一下。

pip install line_profiler

最簡(jiǎn)便的使用方式直接將需要測(cè)試的函數(shù)加入即可。

def base_func3():
    for n in range(10000):
        print('當(dāng)前n的值是：{}'.format(n))
from line_profiler import LineProfiler
lp = LineProfiler()
lp_wrap = lp(base_func3)
lp_wrap()

lp.print_stats()

# Line #      Hits         Time  Per Hit   % Time  Line Contents
# ==============================================================
#     72                                           def base_func3():
#     73     10001     162738.0     16.3      4.8      for n in range(10000):
#     74     10000    3207772.0    320.8     95.2          print('當(dāng)前n的值是：{}'.format(n))

從運(yùn)行結(jié)果可以看出每行代碼的運(yùn)行時(shí)間及比例，注意這里的時(shí)間單位是微妙。

4、heartrate可視化檢測(cè)工具

heartrate最值得推薦的是可以在網(wǎng)頁(yè)上面向檢測(cè)心率一樣檢測(cè)程序的執(zhí)行過(guò)程，同時(shí)，
他還是非標(biāo)準(zhǔn)庫(kù)，使用pip的方式進(jìn)行安裝。

# pip install heartrate
import heartrate
heartrate.trace(browser=True)
def base_func4():
    for n in range(10000):
        print('當(dāng)前n的值是：{}'.format(n))

運(yùn)行以后，控制臺(tái)打印如下日志：

# * Serving Flask app "heartrate.core" (lazy loading)
# * Environment: production
# WARNING: This is a development server. Do not use it in a production deployment.
# Use a production WSGI server instead.
# * Debug mode: off

并且自動(dòng)打開(kāi)瀏覽器地址：http://127.0.0.1:9999

file

到此這篇關(guān)于python性能檢測(cè)工具函數(shù)運(yùn)行內(nèi)存及運(yùn)行時(shí)間的文章就介紹到這了,更多相關(guān)python性能檢測(cè)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: