Python脚本性能分析

def foo():
sum = 0
for i in range(10000):
sum += i
sumA = bar()
sumB = bar()
return sumdef bar():
sum = 0
for i in range(100000):
sum += i
return sumif __name__ == "__main__":
import cProfile #直接把分析结果打印到控制台
cProfile.run("foo()")
#把分析结果保存到文件中,不过内容可读性差...需要调用pstats模块分析结果
cProfile.run("foo()", "result")
#还可以直接使用命令行进行操作
#>python -m cProfile myscript.py -o result import pstats
#创建Stats对象
p = pstats.Stats("result")
#这一行的效果和直接运行cProfile.run("foo()")的显示效果是一样的
p.strip_dirs().sort_stats(-1).print_stats()
#strip_dirs():从所有模块名中去掉无关的路径信息
#sort_stats():把打印信息按照标准的module/name/line字符串进行排序
#print_stats():打印出所有分析信息 #按照函数名排序
p.strip_dirs().sort_stats("name").print_stats() #按照在一个函数中累积的运行时间进行排序
#print_stats(3):只打印前3行函数的信息,参数还可为小数,表示前百分之几的函数信息
p.strip_dirs().sort_stats("cumulative").print_stats(3) #还有一种用法
p.sort_stats('time', 'cum').print_stats(.5, 'foo')
#先按time排序,再按cumulative时间排序,然后打倒出前50%中含有函数信息 #如果想知道有哪些函数调用了bar,可使用
p.print_callers(0.5, "bar") #同理,查看foo()函数中调用了哪些函数
p.print_callees("foo")