python函數(shù)運行內(nèi)存時間等性能檢測工具
python雖然是一門'慢語言',但是也有著比較多的性能檢測工具來幫助我們優(yōu)化程序的運行效率。
這里總結(jié)了五個比較好的python性能檢測工具,包括內(nèi)存使用、運行時間、執(zhí)行次數(shù)等方面。
基礎(chǔ)測試函數(shù)
首先,來編寫一個基礎(chǔ)的python函數(shù)用于在后面的各種性能測試。
def?base_func(): ????for?n?in?range(10000): ????????print('當前n的值是:{}'.format(n))
memory_profiler進程
memory_profiler是python的非標準庫,所以這里采用pip的方式進行安裝。它能夠監(jiān)視進程、了解內(nèi)存使用等情況。
pip?install?memory_profiler
安裝好memory_profiler庫以后,直接使用注解的方式進行測試。
from?memory_profiler?import?profile @profile def?base_func1(): ????for?n?in?range(10000): ????????print('當前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('當前n的值是:{}'.format(n))
從返回的數(shù)據(jù)結(jié)果來看,執(zhí)行當前函數(shù)使用了45.3 MiB的內(nèi)存。
timeit 時間使用情況
timeit是python的內(nèi)置模塊,可以測試單元格的代碼運行時間,由于是內(nèi)置模塊所以并不需要單獨安裝。
import?timeit def?base_func2(): ????for?n?in?range(10000): ????????print('當前n的值是:{}'.format(n)) res?=?timeit.timeit(base_func2,number=5) print('當前的函數(shù)的運行時間是:{}'.format(res)) #?當前的函數(shù)的運行時間是:0.9675800999999993
根據(jù)上面函數(shù)的運行返回結(jié)果,函數(shù)的運行時間是0.96秒。
line_profiler行代碼檢測
如果在只需要檢測函數(shù)的局部運行時間的話就可以使用line_profiler了,它可以檢測出每行代碼的運行時間。
line_profiler是python的非標準庫,使用的使用pip的方式安裝一下。
pip?install?line_profiler
最簡便的使用方式直接將需要測試的函數(shù)加入即可。
def?base_func3(): ????for?n?in?range(10000): ????????print('當前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('當前n的值是:{}'.format(n))
從運行結(jié)果可以看出每行代碼的運行時間及比例,注意這里的時間單位是微妙。
heartrate可視化檢測
heartrate最值得推薦的是可以在網(wǎng)頁上面向檢測心率一樣檢測程序的執(zhí)行過程,同時,他還是非標準庫,使用pip的方式進行安裝。
pip?install?heartrate
import?heartrate heartrate.trace(browser=True) def?base_func4(): ????for?n?in?range(10000): ????????print('當前n的值是:{}'.format(n))
運行以后,控制臺打印如下日志:
#??*?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
并且自動打開瀏覽器地址:http://127.0.0.1:9999
以上就是python函數(shù)運行內(nèi)存時間等性能檢測工具的詳細內(nèi)容,更多關(guān)于python性能檢測工具的資料請關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
Django Python 獲取請求頭信息Content-Range的方法
今天小編就為大家分享一篇Django Python 獲取請求頭信息Content-Range的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08從Python的源碼淺要剖析Python的內(nèi)存管理
這篇文章主要介紹了從Python的源碼淺要剖析Python的內(nèi)存管理,需要的朋友可以參考下2015-04-04python 中的collections.OrderedDict() 用法
這篇文章主要介紹了python 中的collections.OrderedDict() 用法,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2021-05-05簡單易懂Pytorch實戰(zhàn)實例VGG深度網(wǎng)絡(luò)
這篇文章主要介紹了簡單易懂Pytorch實戰(zhàn)實例VGG深度網(wǎng)絡(luò),文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2019-08-08