Python代码cProfile耗时分析及可视化

本文主要是介绍Python代码cProfile耗时分析及可视化，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Python: cProfile 食用方法

import cProfile# 直接把分析结果打印到控制台
# loading为需要监测的函数，arg为其参数
cProfile.run("loading(arg)")
# 把分析结果保存到文件中
cProfile.run("loading(arg)", filename="result.out")
# 增加排序方式
cProfile.run("loading(arg)", filename="result.out", sort="cumulative")

输出类似：

         1767148 function calls (1751776 primitive calls) in 3.579 secondsOrdered by: standard namencalls  tottime  percall  cumtime  percall filename:lineno(function)2824    0.002    0.000    0.014    0.000 <__array_function__ internals>:2(all)7574    0.005    0.000    0.050    0.000 <__array_function__ internals>:2(any)2    0.000    0.000    0.000    0.000 <__array_function__ internals>:2(argsort)2    0.000    0.000    0.000    0.000 <__array_function__ internals>:2(copyto)20    0.000    0.000    0.000    0.000 <__array_function__ internals>:2(count_nonzero)47    0.000    0.000    0.000    0.000 <__array_function__ internals>:2(cumsum)1441    0.001    0.000    0.009    0.000 <__array_function__ internals>:2(prod)47    0.000    0.000    0.001    0.000 <__array_function__ internals>:2(unique)1    0.000    0.000    0.000    0.000 <string>:1(<module>)1908    0.007    0.000    0.007    0.000 BOX_adjacent.py:10(__init__)7750    0.061    0.000    0.164    0.000 BOX_adjacent.py:184(Best_Blok_adj)7750    0.002    0.000    0.002    0.000 BOX_adjacent.py:277(<listcomp>)27042    0.063    0.000    0.426    0.000 BOX_adjacent.py:29(Can_Load_adj)318    0.000    0.000    0.000    0.000 BOX_adjacent.py:291(reset)95394    0.007    0.000    0.007    0.000 BOX_adjacent.py:51(<lambda>)16944    0.001    0.000    0.001    0.000 BOX_adjacent.py:55(<lambda>)34047    0.080    0.000    0.237    0.000 BOX_adjacent.py:81(Possible_Oriatation_adj)76384/61012    0.080    0.000    0.178    0.000 copy.py:128(deepcopy)15372    0.001    0.000    0.001    0.000 copy.py:182(_deepcopy_atomic)...

其中

共有1767148次函数调用，原始调用为1751776次，原始调用说明不包含递归调用。
以standard name进行排序。76384/61012表示发生了递归调用，61012为原始调用次数，76384为递归调用次数
ncalls 函数的被调用次数
tottime 函数总计运行时间，除去函数中调用的函数运行时间
percall 函数运行一次的平均时间，等于tottime/ncalls
cumtime 函数总计运行时间，含调用的函数运行时间
percall 函数运行一次的平均时间，等于cumtime/ncalls
filename:lineno(function) 函数所在的文件名，函数的行号，函数名

可视化工具 graphviz，gprof2dot

pip install graphviz
pip install gprof2dotgprof2dot -f pstats result.out | dot -Tpng -o result.png

结果如下：

可以看到check_space_contain被调用了太多次，check代码发现用很多重复的调用，所以简单改一下，只调用一次进行赋值，之后直接拿来用，结果累计调用次数直接降低了30%，节省大量时间，类似可改进的地方还有很多。另外在清楚任务执行与调用关系的情况下，可以做多进程增加运行效率。

这篇关于Python代码cProfile耗时分析及可视化的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---