line_profiler，Python代码性能分析库

工作中某些函数运行特别慢，但用普通的性能分析工具只能看到函数级别的统计，无法定位到具体哪行代码是性能瓶颈。line_profiler，它能精确到每一行代码的执行时间，让性能优化工作变得简单高效。

 

通过使用line_profiler，可以：

1. 精确定位代码瓶颈
2. 量化优化效果

安装和配置

pip install line_profiler -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

　安装完成后，会得到两个命令行工具：kernprof和line_profiler。kernprof用于收集性能数据，而line_profiler用于分析结果。

基本用法

 line_profiler的使用方法非常优雅。只需要用@profile装饰器标记要分析的函数：

from line_profiler.explicit_profiler import profile


@profile
def slow_function():
    result = []
    for i in range(10000):
        result.append(i ** 2)
    return sum(result)


if __name__ == '__main__':
    slow_function()

在命令行运行：　　

kernprof -l -v test.py

Total time：当前函数的时间消耗，单位是秒。

File：当前函数所在文件名。

Function：当前函数的函数名以及在文件中的位置。

Line #：代码所在行号。

Hits：在执行过程中，该行代码执行次数，即命中数。

Time：在执行过程中，该行代码执行的总时间，默认单位是微秒。

Per Hit：在执行过程中，平均每次执行该行代码所耗时间，默认单位是微秒。

% Time：执行该行代码所耗总时间占执行当前函数所耗总时间的百分比。

Line Contents：该行代码的内容。

 

高级功能

1. 动态分析：除了装饰器方式，还可以在运行时动态分析代码

from line_profiler import LineProfiler


def slow_function():
    for i in range(100):
        sum([i ** 2 for i in range(100)])


profiler = LineProfiler()
profiler_wrapper = profiler(slow_function)
profiler_wrapper()
profiler.print_stats()　

2. 多函数分析：可以同时分析多个函数的性能：

from line_profiler import LineProfiler


def func1():
    for i in range(10):
        sum([i ** 2 for i in range(10)])


def func2():
    for i in range(20):
        sum([i ** 2 for i in range(20)])


profiler = LineProfiler()
profiler.add_function(func1)
profiler.add_function(func2)
# 运行并分析 func1
profiler.runcall(func1)
profiler.runcall(func2)
# 打印统计信息
profiler.print_stats()