侵权投诉
订阅
纠错
加入自媒体

Python性能分析的技巧

2020-09-09 10:48
磐创AI
关注

当我们开始精通编程语言时,我们不仅希望实现最终的编程目标,而且还希望可以使我们的程序更高效。在本文中,我们将学习一些Ipython的命令,这些命令可以帮助我们对Python代码进行时间分析。注意,在本教程中,我建议使用Anaconda。1.分析一行代码要检查一行python代码的执行时间,请使用**%timeit**。下面是一个简单的例子来了解它的工作原理:#### magics命令%timeit的简单用法%timeit [num for num in range(20)]
#### 输出1.08 ?s ± 43 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)主要注意事项:在要分析的代码行之前使用%timeit它返回代码运行的平均值和标准偏差。在上面的示例中,执行了7次,每次执行对该代码循环100万次(默认行为),这需要平均1.08微秒和43纳秒的标准偏差。在调用magic命令时,可以自定义运行和循环的数量,示例如下:#### 在%timeit magic命令中自定义运行和循环数%timeit -r5 -n100 [num for num in range(20)]
1.01 ?s ± 5.75 ns per loop (mean ± std. dev. of 5 runs, 100 loops each)使用命令选项-r和-n,分别表示执行次数和循环次数,我们将时间配置文件操作定制为执行5次和循环100次。2.分析多行代码本节向前迈进了一步,并解释了如何分析完整的代码块。通过对%timeit magic命令进行一个小的修改,将单百分比(%)替换为双百分比(%%),就可以分析一个完整的代码块。以下为示例演示,供参考:#### 使用timeblock%%代码分析%%timeit -r5 -n1000for i in range(10):    n = i**2    m = i**3    o = abs(i)
#### 输出10.5 ?s ± 226 ns per loop (mean ± std. dev. of 5 runs, 1000 loops each)可以观察到for循环的平均执行时间为10.5微秒。请注意,命令选项-r和-n分别用于控制执行次数和循环次数。3.代码块中的每一行代码进行时间分析到目前为止,我们只在分析一行代码或代码块时查看摘要统计信息,如果我们想评估代码块中每一行代码的性能呢?使用Line_profiler 。Line_profiler 包可用于对任何函数执行逐行分析。要使用line_profiler软件包,请执行以下步骤:安装—Line_profiler 包可以通过简单的调用pip或conda Install来安装。如果使用的是针对Python的anaconda发行版,建议使用conda安装#### 安装line_profiler软件包conda install line_profiler加载扩展—一旦安装,你可以使用IPython来加载line_profiler:#### 加载line_profiler的Ipython扩展%load_ext line_profiler时间分析函数—加载后,使用以下语法对任何预定义函数进行时间分析%lprun -f function_name_only function_call_with_arguments语法细节:对line_profiler的调用以关键字%lprun开始,后跟命令选项-f命令选项之后是函数名,然后是函数调用在本练习中,我们将定义一个接受高度(以米为单位)和重量(以磅为单位)列表的函数,并将其分别转换为厘米和千克。#### 定义函数def conversion(ht_mtrs, wt_lbs ):    ht_cms = [ht*100 for ht in ht_mtrs]    wt_kgs = [wt*.4535 for wt in wt_lbs]
#### 定义高度和重量列表:ht = [5,5,4,7,6]wt = [108, 120, 110, 98]
#### 使用line_profiler分析函数%lprun -f conversion conversion(ht,wt)
---------------------------------------------------------------#### 输出Total time: 1.46e-05 s
File: <ipython-input-13-41e195af43a9>
Function: conversion at line 2
Line #      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]输出详细信息:以14.6微秒为单位(参考第一行输出)生成的表有6列:第1列(行#)—代码的行号(请注意,第#1行是故意从输出中省略的,因为它只是函数定义语句)第2列(命中)—调用该行的次数第3列(时间)—在代码行上花费的时间单位数(每个时间单位为14.6微秒)第4列(每次命中平均时间)—第3列除以第2列第5列(%Time)—在所花费的总时间中,花在特定代码行上的时间百分比是多少第6列(内容)—代码行的内容你可以清楚地看到,高度从米到厘米的转换几乎占了总时间的72%。结束语利用每一行代码的执行时间,我们可以部署策略来提高代码的效率。

希望这篇文章能给你提供帮助,你能学到一些新东西。

声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号