當(dāng)我們開始精通編程語言時，我們不僅希望實現(xiàn)最終目標(biāo)，而且希望使我們的程序高效。

在這個教程中，我們將學(xué)習(xí)一些Ipython的命令，這些命令可以幫助我們對Python代碼進行時間分析。

注意，在本教程中，我建議使用Anaconda。

1.分析一行代碼

要檢查一行python代碼的執(zhí)行時間，請使用 %timeit 。下面是一個簡單的例子來了解它的工作原理：

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

主要注意事項：

在要分析的代碼行之前使用%timeit 它返回代碼運行的平均值和標(biāo)準(zhǔn)偏差。在上面的示例中，執(zhí)行了7次，每次執(zhí)行對該代碼循環(huán)100萬次(默認(rèn)行為)。這需要平均1.08微秒和43納秒的標(biāo)準(zhǔn)偏差。 在調(diào)用magic命令時，可以自定義運行和循環(huán)的數(shù)量。示例如下：

#### 在%timeit magic命令中自定義運行和循環(huán)數(shù)%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)

使用命令選項-r和-n，分別表示執(zhí)行次數(shù)和循環(huán)次數(shù)，我們將時間配置文件操作定制為執(zhí)行5次和循環(huán)100次。

2.分析多行代碼

本節(jié)向前邁進了一步，并解釋了如何分析完整的代碼塊。通過對%timeit magic命令進行一個小的修改，將單百分比（%）替換為雙百分比（%%），就可以分析一個完整的代碼塊。以下為示例演示，供參考：

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

可以觀察到for循環(huán)的平均執(zhí)行時間為10.5微秒。請注意，命令選項-r和-n分別用于控制執(zhí)行次數(shù)和循環(huán)次數(shù)。

3.代碼塊中的每一行代碼進行時間分析

到目前為止，我們只在分析一行代碼或代碼塊時查看摘要統(tǒng)計信息。如果我們想評估代碼塊中每一行代碼的性能呢？使用 Line_profiler 。

Line_profiler包可用于對任何函數(shù)執(zhí)行逐行分析。要使用line_profiler軟件包，請執(zhí)行以下步驟：

安裝— Line_profiler 包可以通過簡單的調(diào)用pip或conda Install來安裝。如果使用的是針對Python的anaconda發(fā)行版，建議使用conda安裝

#### 安裝line_profiler軟件包conda install line_profiler

加載擴展—一旦安裝，你可以使用IPython來加載line_profiler:

#### 加載line_profiler的Ipython擴展%load_ext line_profiler

時間分析函數(shù)—加載后，使用以下語法對任何預(yù)定義函數(shù)進行時間分析

%lprun -f function_name_only function_call_with_arguments

語法細(xì)節(jié)：

對line_profiler的調(diào)用以關(guān)鍵字%lprun開始，后跟命令選項-f 命令選項之后是函數(shù)名，然后是函數(shù)調(diào)用

在本練習(xí)中，我們將定義一個接受高度（以米為單位）和重量（以磅為單位）列表的函數(shù)，并將其分別轉(zhuǎn)換為厘米和千克。

#### 定義函數(shù)def conversion(ht_mtrs, wt_lbs ): ht_cms = [ht*100 for ht in ht_mtrs] wt_kgs = [wt*.4535 for wt in wt_lbs] #### 定義高度和重量列表:ht = [5,5,4,7,6]wt = [108, 120, 110, 98]#### 使用line_profiler分析函數(shù)%lprun -f conversion conversion(ht,wt)---------------------------------------------------------------#### 輸出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]

輸出詳細(xì)信息：

以14.6微秒為單位（參考第一行輸出）

生成的表有6列：

第1列（行#）—代碼的行號（請注意，第#1行是故意從輸出中省略的，因為它只是函數(shù)定義語句） 第2列（命中）—調(diào)用該行的次數(shù) 第3列（時間）—在代碼行上花費的時間單位數(shù)（每個時間單位為14.6微秒） 第4列（每次命中平均時間）—第3列除以第2列 第5列（%Time）—在所花費的總時間中，花在特定代碼行上的時間百分比是多少 第6列（內(nèi)容）—代碼行的內(nèi)容

你可以清楚地注意到，高度從米到厘米的轉(zhuǎn)換幾乎占了總時間的72%。

結(jié)束語

利用每一行代碼的執(zhí)行時間，我們可以部署策略來提高代碼的效率。在接下來的3個教程中，我們將分享一些最佳實踐來幫助你提高代碼的效率。

我希望這篇教程能提供幫助，你能學(xué)到一些新東西。

以上就是python一些性能分析的技巧的詳細(xì)內(nèi)容，更多關(guān)于python 性能分析的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章！