profile[计算方法耗时模块]用法

#安装

pip install Profile

#引用方法

import Profile

#用法（Profile.run("方法名")）

Profile.run(“function”)

#运行结果字段展示

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

#然后可以结合pstats模块对函数消耗时间模块进行排序及处理

profile.run("foo()", "记录文件")

#结果保存到文件

p = pstats.Stats("prof.txt")

#结果百分之十然后按time字段排名

p.sort_stats(".1","time").print_stats()

#展示按time字段排名结果百分之十

 

p.sort_stats("time"，".1").print_stats()

#pstats用法

strip_dirs()	用以除去文件名前名的路径信息。
add(filename,[…])	把profile的输出文件加入Stats实例中统计
dump_stats(filename)	把Stats的统计结果保存到文件
sort_stats(key,[…])	最重要的一个函数，用以排序profile的输出

sort_stats可接受的参数：

‘ncalls’	被调用次数
‘cumulative’	函数运行的总时间
‘file’	文件名
‘module’	文件名
‘pcalls’	简单调用统计（兼容旧版，未统计递归调用）
‘line’	行号
‘name’	函数名
‘nfl’	Name/file/line
‘stdname’	标准函数名
‘time’	函数内部运行时间（不计调用子函数的时间）

#还可以结合Hotshot模块进行分析

       import hotshot

       import hotshot.stats

       prof = hotshot.Profile("hs_prof.txt", 1)

       prof.runcall(foo)

       prof.close()

       p = hotshot.stats.load("hs_prof.txt")

       p.print_stats()