本篇索引
（1）测试的基本概念
（2）doctest模块
（3）unittest模块
（4）调试器和pdb模块
（5）程序探查
（6）调优与优化
（1）测试的基本概念
对程序的各个部分建立测试，这个称为：单元测试（unit test），更进一步的是测试驱动编程（test-driven programming）。 简单来说，就是“先写测试、再写程序”。是否一定要为所有的函数和模块编写测试代码， 这个目前仍有争论，因为构建完备的测试集本身就是一件工作量很大的事情。而且常常会发生这样的事情： 测试还没编好，需求已经变更了。但不管如何，测试驱动的理念是一种进步，掌握自动化测试工具， 比以前没有自动化测试工具的时代，效率要提高很多倍。
● 测试时驱动开发的4步：
（1）指出需要的新特性，可以记录下来，然后为其编写一个测试。
（2）编写特性的概要代码，程序代码没有任何语法错误，但测试结果会失败。 看到测试失败是很重要的，这样就能确定测试可以失败。 这里再强调一遍：在试图让测试成功之前，先要看到它失败！
（3）为特性的概要编写虚设代码（dummy code），不用准确实现功能，只要保证测试可以通过即可。
（4）现在重写（Refactor）代码，真正实现需要的特性功能，之后要保证测试一直成功。
（2）doctest模块
函数、类或模块的第一行如果是一个字符串，这个字符串就是“文档字符串”。 使用doctest模块可以在文档字符串中查找“交互式会话”的例子， 并使用一系列测试的形式测试这些例子给出的数据和结果。
# my_math.py
def add2(x,y):
"""
函数名：add(x,y)
功能：返回2个输入参数之和
>>> add2(1, 2)
3
>>> add2(1.3, 2.4)
3.7
"""
return x+y
上例中，在自定义的add2()函数的文档字符串中，举了2个调用和结果的例子， doctest模块可以从my_math.py文件中提取出add2()的示例部分， 加以测试，若测试结果和示例结果不同，则会输出错误报告。
可以编写单独的测试文件，也可以在库模块的末尾包含测试代码来测试自身，以下分别示例：
● 编写单独的测试文件：
# my_math.py
def add2(x,y):
...（内容同上例）
# testmymath.py （单独测试文件）
import my_math
import doctest
nfails, ntests = doctest.testmod(my_math) # nfails和ntest分别表示失败的数量和执行的总测试数
如果所有测试都顺利通过，则不产生输出。否则将会在屏幕上输出错误报告， 如果想在屏幕上看到测试的详细输出，可使用verbose参数：
doctest.testmod(my_math, verbose=True)
● 在库模块的末尾包含测试代码：
# my_math.py
def add2(x,y):
...（内容同上例）
if __name__=='__main__':
import doctest, my_math
doctest.testmod(my_math)
如果my_math.py文件作为主程序在解释器中运行，就会运行文档测试。否则， 如果文件是由import加载的，测试将被忽略。 如果所有测试都顺利通过，则不产生输出。否则将会在屏幕上输出错误报告， 如果想在屏幕上看到测试的详细输出，可使用以下-v参数：
$ python my_math.py -v
（3）unittest模块
对于更全面的程序测试，可以使用unittest模块。如果进行单元测试， 开发人员会为程序的每个组成元素（如各个函数、方法、类和模块）编写独立的测试案例。 然后运行这些测试来验证组成更大程序的基本组件的行为是否正确。
unittest的基本使用方法为：定义一个继承自unittest.TestCase的类， 在这个类中，各种测试由以名称 test 开头的方法定义，在每隔测试内，可用各种断言来检查不同条件。
● TestCase实例支持以下方法和属性：
| 实例方法 | 说明 |
|---|---|
| t.setUp() | 在运行任何测试方法之前，调用它来执行设置步骤。 |
| t.tearDown() | 在运行测试之后，调用它来执行清除操作。 |
| t.assert_(expr [,msg]) | 如果expr的计算结果为False，表明测试失败。 msg是一条消息字符串，提供对失败的解释。 |
| t.failUnless(expr [,msg]) | |
| t.assertEqual(x, y, [,msg]) | 如果x和y不相等，则表明测试失败。msg含义同上。 |
| t.failUnlessEqual(x, y, [,msg]) | |
| t.assertNotEqual(x, y, [,msg]) | 如果x和y相等，则表明测试失败。msg含义同上。 |
| t.failIfEqual(x, y, [,msg]) | |
| t.assertAlmostEqual(x, y, [,places [,msg]]) | 如果数字x和y未包含在对方的places小数位中，则表明测试失败。 检查方法是计算x和y的差，并将结果舍入到给定位数。如果结果为0，则x和y的值相近。 msg含义同上。 |
| t.failUnlessAlmostEqual(x, y, [,places [,msg]]) | |
| t.assertNotAlmostEqual(x, y, [,places [,msg]]) | 如果x和y在places小数位内无法区分大小，则表明测试失败。 msg含义同上。 |
| t.failIfAlmostEqual(x, y, [,places [,msg]]) | |
| t.assertRaises(exc, callable, ...) | 如果可调用对象callable未引发一场exc，则表明测试失败。 剩余参数将以参数形式传递给callable。可以使用异常元组exc检查多个异常。 msg含义同上。 |
| t.failUnlessRaises(exc, callable, ...) | |
| t.failIf(expr [,msg]) | 如果expr计算结果为True，则表明测试失败。msg含义同上。 |
| t.fail([msg]) | 表明测试失败，msg含义同上。 |
t.failureException |
该属性设置为在测试中捕获到的最后一个异常值。用于不仅要检查是否出现异常， 还想要检查异常是否抛出了恰当的值。 |
● 单元测试的例子
如果需要编写单元测试来测试前面add2()函数的各个方面，可以创建一个独立模块 testmymath.py，如下例所示。
import my_math
import unittest
# 单元测试
class TestMyMathFunction(unittest.TestCase):
def setUp(self):
# 执行设置操作（如果有的话）
pass
def tearDown(self):
# 执行清除操作（如果有的话）
pass
def testintint(self):
r = my_math.add2(2,3)
self.assertEqual(r, 5)
def testfloatfloat(self):
r = my_math.add2(1.2, 3.4)
self.assertEqual(r, 4.6)
def testintfloat(self):
r = my_math.add2(2, 3.5)
self.assertEqual(r, 5.5)
# 运行unittest
if __name__=='__main__':
unittest.main()
要运行单元测试，只需在文件 testmymath.py 上运行Python：
$ python testmymath.py
（4）调试器和pdb模块
Python提供了一个基于命令的简单调试器，pdb模块支持：事后检查、检查栈帧、设置断点、单步调试以及计算代码。
● pdb模块的功能函数
| 函数 | 说明 |
|---|---|
| run(statement [,globals [,locals]]) | 在调试器控制下执行statement，globals 和 locals 分别定义运行代码的全局和局部命名空间。 |
| runeval(expression [,globals [,locals]]) | 在调试器控制下计算expression字符串表达式。成功运行之后， 将返回表达式的值。globals 和 locals 含义同上。 |
| runcall(function [,argument, ...]) | 在调试器内调用一个函数。function是一个可调用对象， 其他参数可在其后的argument部分提供。函数运行后将返回它的返回值。 |
| set_trace() | 在调用该函数的位置启动调试器，这可用于将调试器断点硬编码到程序代码中。 |
| post_mortem(traceback) | 对回溯对象traceback启动事后检查。通常使用sys.exc_info()等函数获得。 |
| pm() | 使用最后一个异常的回溯进入事检查调试。 |
● 从Python交互环境启动调试器
启动调试器后，会显示一个(Pdb)提示符：
以下为待调试文件
#testfile.py
def testadd(a, b):
c = a + b;
return c
以下为交互环境命令行：
>>> import pdb
>>> import testfile # 要调试的文件名
>>> pdb.run('testfile.testadd(1,2)')
> <string>(1)()
(Pdb)
● 调试器命令
可以在调试器提示符(Pdb)下使用命令，一些命令具有长短2种形式，例如， h(elp)表示h和help都是可接受的。 可用调试命令见下表：
| 命令 | 说明 |
|---|---|
| [!]statement | 在当前栈帧上下文中执行一行statement语句。感叹号可以忽略， 但如果语句的第一个词于调试器命令类似，则必须使用它来避免歧义。如要设置全局变， 可在同一行上添加global命令作为前缀，如：global a; a = 1 |
| a(rgs) | 打印当前函数的参数列表。 |
| alias [name [command]] | 创建名为name的别名来运行command。在command字符串中， 键入别名时子字符串'%1', '%2'等被替换为相应的参数，'%*'被替换为所有参数。 ，如果没有给定任何命令，则显示当前别名列表。command可以很长， 甚至可以使用for循环等（但需写在一行内）。 |
| b(reak) [loc [,condition]] | 在位置loc处设置断点。loc指定一个特定文件名和行号， 或者指定一个模块中的一个函数名称，可使用以下语法：n（当前文件中的行号）； filename:n（另一个文件中的行号）； function（当前模块中的函数名称）； module.function（某个模块中的函数名称）； 如果省略了 loc，将打印当前的所有断点。condition是一个表达式，
在打印断点之前，该表达式的值必须计算为True。所有断点都会被分配一个数字，
该数字将在完成此命令时作为输出打印出来。这些数字可以在一些其他调试命令中使用。
|
| cl(ear) [bpnumber [bpnumber ...]] | 清除断点编号列表。如果没指明断点编号，所有断点都会被清除。 |
| commands [bpnumber] |
设置在遇到bpnumber时，将自动执行一系列调试命令。列出要执行的命令时，
只需在后续行中键入它们并使用end来标记命令序列的结束即可。
如果包含continue命令，在遇到断点时，程序将自动继续执行。如果省略bpnumber，
将使用最后一个断点集。
|
| condition bpnumber [condition] |
在断点上放置一个条件。condition是一个表达式，在识别该断点之前，
该表达式的值必须计算为True。省略该条件会清除任何以前的条件。
|
| c(ont(inue)) | 继续执行，直到遇到下一个断点。 |
| disable [bpnumber [bpnumber ...]] | 禁用指定断点集，可以在以后用enable命令重新启用这些断点。 |
| d(own) | 将当前帧在栈跟踪中下移一层。 |
| enable [bpnumber [bpnumber ...]] | 启用指定的断点集。 |
| h(elp) [command] | 显示可用命令的列表。指定一个命令将返回该命令的帮助信息。 |
| ignore bpnumber [count] | 忽略一个断点count次。 |
| j(ump) lineno | 设置要执行的下一行。只能用于同一执行帧中的不同语句之间移动。而且， 无法跳到某些语句中（如循环中的语句） |
| l(ist) [first [,last]] | 列出源代码。如果没有参数，该命令将列出当前行前后的共11行。如果使用一个参数， 它将列出该行前后的11行。如果使用2个参数，它将列出指定范围内的行。 |
| n(ext) | 执行到当前函数中的下一行，与step命令的区别在于，
next 会将调用整体函数视为一行执行，而step将进入那个函数执行一行。 |
| p expression | 在当前上下文中计算表达式expression的值并打印其值。 |
| q(uit) | 退出调试器。 |
| r(eturn) | 持续运行，直到当前函数返回值。 |
| run [args] | 重新启动程序，并使用args中的命令行参数作为 sys.args 的新设置。
所有断点和其他调试器设置都会被保留。 |
| s(tep) | 执行一行源代码并停在被调用的函数内。 |
| tbreak [loc [,condition]] | 设置一个临时断点，该断点将在第一次到达时删除。
loc和condition用法同前。
|
| u(p) | 将当前帧在跟踪中上移一层。 |
| unalias name | 删除指定别名 |
| until | 恢复执行，直至不再控制当前执行帧，或者直至到达一个比当前行号大的行号。 例如在循环中键入 until 命令，将执行循环中的所有语句，直至循环结束。 |
| w(here) | 打印栈跟踪。 |
● 从命令行进行调试
可以在命令行上调用调试调试某文件，在这种情况下，启动程序时调试器将自动启动。
$ python -m pdb testfile.py
如果用户的主目录或当前目录中包含.pdbrc文件，那么每次调试器启动时将执行该文件， 可以使用这种方法来指定要在调试器每次启动时执行的调试命令。
（5）程序探查
profile和cProfile模块用于收集探查信息，两个模块的工作方式相同， 但cProfile速度更快且更先进。程序探查可以通过以下命令行方式调用：
$ python -m cProfile testfile.py
运行该命令后，会在屏幕上打印出性能统计信息。
也可以在交互命令行中或程序代码中调用探查器（profiler），具体方法是使用run()函数， 其语法如下：
import cProfile cProfile.run(command [,filename])
探查器会使用exec语句执行command的内容，filename是输出报告要保存到的文件， 如果忽略该参数，报告将输出到标准输出。
生成报告的部分说明如下：
| 抬头 | 说明 |
|---|---|
| primitive calls | 非递归性函数调用的数量 |
| ncalls | 调用总数（包括自递归），当表示为 n/m 时，n表示实际调用数量，m表示原始调用的数量。 |
| tottime | 该函数消耗的时间（不含子函数） |
| percall | tototime / ncalls |
| cumtime | 函数消耗的总时间 |
| percall | cumtime / (primitive calls) |
| filename:lineno(function) | 每个函数的位置和名称 |
通常对于普通的探查分析，cProfile模块足够了。如果希望保存数据和进一步分析， 可使用pstats模块，它可以进一步分析cProfile模块输出的报告信息。
>>> import pstats
>>> p = pstats.Stats('result.profile')
（6）调优与优化
● 程序运行时间测量
（1）方法一：使用Linux的time命令
可用于简单对长时间运行的Python程序进行计时：
$ time python testfile.py
（2）方法二：在程序中直接放入统计时间代码
time模块的perf_counter()函数可得到本进程开始起到现在的总秒数， process_time()函数可得到本进程开始起到现在的进程运行秒数。
import time
start_proc = time.process_time() # 进程时间
start_real = time.time() # UTC时间
......
end_proc = time.process_time()
end_real = time.time()
print('%f Real Seconds" %(end_real - start_real))
print('%f Process Seconds" %(end_proc - start_proc))
（3）方法三：使用timeit()函数
如果想对一个特定语句进行基准测试，可以使用timeit模块中的timeit()函数，语法如下：
timeit(code [,setup])
其中，code参数时希望对其基准测试的代码，setup参数是一条语句， 用来设置执行环境。timeit()函数会运行这条语句100万次并报告执行时间。 可以向timeit()函数提供number=count关键字参数来更改重复次数。
>>> from timeit import timeit
>>> timeit('math.sqrt(3.0)', 'import math')
0.10910729999886826
>>> timeit('sqrt(3.0)', 'from math import sqrt')
0.0762049000004481
timeit模块还有一个repeat()函数，功能与timeit()相同， 但它重复测量5次并返回一个结果列表：
>>> from timeit import repeat
>>> repeat('math.sqrt(3.0)', 'import math')
[0.07255980000081763, 0.07150849999925413, 0.07361959999980172, 0.0723534999997355, 0.08293649999905028]
● 内存测量
sys模块有一个getsizeof()函数，可用于分析Python对象的内存占用（以字节为单位）：
>>> import sys
>>> sys.getsizeof(2)
28
>>> sys.getsizeof('a')
50
>>> sys.getsizeof([1,])
72
>>> sys.getsizeof([1,2,3])
88
>>> sum(sys.getsizeof(x) for x in [1,2,3])
84
对于列表、元组和字典等容器，报告的大小只是容器对象本身的大小，不是容器中包含的所有对象的累计大小。 可以像上面显示的那样使用sum()函数来计算列表内容的总大小。
测量实际内存占用的一种辅助技术是，从操作系统的进程查看器或任务管理器检查正在运行的程序。
● 返汇编
dis模块可用于将Python函数、方法、类反汇编为低级的解释器指令， 该模块中的dis()函数使用示例如下：
>>> from dis import dis >>> import testfile >>> dis(testfile.testadd)
在多线程程序中，反汇编中的每行操作都采用是原子执行方式，一行不会被中间打断， 可以利用此信息来跟踪复杂的竞争条件。
● 调优策略
下面列出了一些比较典型的优化策略：
（1）尽量使用内置类型
Python内置的元组、列表、集合、字典完全是用C语言实现的，是解释器中优化程度最高的数据结构。 尽量避免构建自定义的数据结构（如：二叉搜索树、链表等）来模仿它们的功能。 标准库中的类型也是很好的选择，例如collection.deque双端队列，用它在队列头插入项， 比在普通列表头部插入项要高效得多。
（2）能使用字典结构就不要定义新class
用户定义得类和实例时用字典构建的，因此，查找、设置、删除实例数据的速度几乎总是比直接 在字典上执行这些操作更慢。如果只是构建一个简单的数据结构来存储数据，元组和字典通常就够用了。
（3）使用__slots__
如果程序创建了自定义类的大量实例，可以考虑在类定义中使用__slots__属性。 __slots__有时被看作一种安全功能，因为它会限制属性名称的设置， 但它更主要的用途是性能优化。使用__slots__的类不使用字典存储实例数据 （而是用一种更高效的内部数据结构），所以其实例使用的内存也更少、访问速度也更快。
不过，需要注意的是，将__slots__功能添加到类中可能会无故破坏其他代码。 因为__slots__会占用__dict__属性，故依赖__dict__的代码会失败。
（4）避免多次重复使用（.）运算符
使用.在对象上查找属性时，总会涉及名称查找。对于大量使用方法或模块查找的计算， 最好首先将要执行的操作方道一个局部变量中，从而避免属性查找。例如：使用 from math import sqrt 和 sqrt(x) 要比 math.sqrt(x) 要快 1.4 倍左右。
（5）使用异常来处理不常见的情况，但是避免对常见情况使用异常
对于try中语句块正常运行的情况，其运行速度要比前面加一个额外的if判断要快10%左右， 但是如果经常会让程序陷入异常except的语句块，程序就会变得非常慢。 因此，在这种情况下，用if判断语句比较好。
另外，检查字典中是否有某个键名，用in操作符也比用d.get(key)要快2倍。
（6）鼓励使用函数式编程和迭代
使用：列表推导、生成器表达式、生成器、协程、闭包，这些方式会使程序执行效率大大提高， 尤其是对于大量数据处理来说，更是如此。射你用生成器编写的代码，不仅运行速度快，而且内存使用效率也高。
（7）使用装饰器和元类
装饰器和元类用于修改函数和类，可以通过多种方式使用它们来改进性能， 特别是程序拥有很多可以启动或禁用的可选功能时。