https://blog.csdn.net/xiemanr/article/details/72763234
1.timeit:
>>> import timeit >>> def fun(): for i in range(100000): a = i * i >>> timeit.timeit('fun()', 'from __main__ import fun', number=1) 0.02922706632834235 >>>
timeit只输出被测试代码的总运行时间,单位为秒,没有详细的统计。
2.profile
profile:纯Python实现的性能测试模块,接口和cProfile一样。
>>> import profile >>> def fun(): for i in range(100000): a = i * i >>> profile.run('fun()') 5 function calls in 0.031 seconds Ordered by: standard name ncalls tottime percall cumtime percall filename:lineno(function) 1 0.000 0.000 0.016 0.016 :0(exec) 1 0.016 0.016 0.016 0.016 :0(setprofile) 1 0.016 0.016 0.016 0.016 <pyshell#13>:1(fun) 1 0.000 0.000 0.016 0.016 <string>:1(<module>) 1 0.000 0.000 0.031 0.031 profile:0(fun()) 0 0.000 0.000 profile:0(profiler) >>>
ncall:函数运行次数
tottime: 函数的总的运行时间,减去函数中调用子函数的运行时间
第一个percall:percall = tottime / nclall
cumtime:函数及其所有子函数调整的运行时间,也就是函数开始调用到结束的时间。
第二个percall:percall = cumtime / nclall
3.cProfile
profile:c语言实现的性能测试模块,接口和profile一样。
>>> import cProfile >>> def fun(): for i in range(100000): a = i * i >>> cProfile.run('fun()') 4 function calls in 0.024 seconds Ordered by: standard name ncalls tottime percall cumtime percall filename:lineno(function) 1 0.024 0.024 0.024 0.024 <pyshell#17>:1(fun) 1 0.000 0.000 0.024 0.024 <string>:1(<module>) 1 0.000 0.000 0.024 0.024 {built-in method exec} 1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects} >>>
ncalls、tottime、percall、cumtime含义同profile。
4.line_profiler
安装:
pip install line_profiler
安装之后kernprof.py会加到环境变量中。
line_profiler可以统计每行代码的执行次数和执行时间等,时间单位为微妙。
测试代码:
C:Python34 est.py
import time @profile def fun(): a = 0 b = 0 for i in range(100000): a = a + i * i for i in range(3): b += 1 time.sleep(0.1) return a + b fun()
使用:
1.在需要测试的函数加上@profile装饰,这里我们把测试代码写在C:Python34 est.py文件上.
2.运行命令行:kernprof -l -v C:Python34 est.py
输出结果如下:
Total Time:测试代码的总运行时间
Hits:表示每行代码运行的次数
Time:每行代码运行的总时间
Per Hits:每行代码运行一次的时间
% Time:每行代码运行时间的百分比
5.memory_profiler:
memory_profiler工具可以统计每行代码占用的内存大小。
安装:
pip install memory_profiler
pip install psutil
测试代码:
同line_profiler。
使用:
1.在需要测试的函数加上@profile装饰
2.执行命令: python -m memory_profiler C:Python34 est.py
输出如下:
6.PyCharm图形化性能测试工具:
PyCharm提供了图像化的性能分析工具,使用方法见利用PyCharm的Profile工具进行Python性能分析。
7.objgraph:
objgraph是一个实用模块,可以列出当前内存中存在的对象,可用于定位内存泄露。
objgraph需要安装:
pip install objgraph