這里總結(jié)了4個(gè)比較好的python性能檢測(cè)工具，包括內(nèi)存使用、運(yùn)行時(shí)間、執(zhí)行次數(shù)等方面。

1、memory_profiler查看內(nèi)存的使用情況

memory_profiler可以用來(lái)測(cè)量python進(jìn)程的內(nèi)存使用情況?？梢园葱胁榭磧?nèi)存的使用情況。

memory_profiler 是一個(gè)監(jiān)控進(jìn)程內(nèi)存消耗的模塊，可以逐行分析 Python 程序的內(nèi)存消耗。它是一個(gè)依賴(lài) psutil 模塊的純 Python 模塊。

只需要在目標(biāo)函數(shù)上加個(gè)裝飾器 @profile，就可以實(shí)現(xiàn)對(duì)此函數(shù)內(nèi)存使用的統(tǒng)計(jì)。

安裝：pip install -U memory_profiler

官方文檔：https://pypi.org/project/memory-profiler/

案例1，腳本如下：

from memory_profiler import profile

@profile
def base_func1():
    for n in range(10000):
        print(f'當(dāng)前n的值是：{n}')


base_func1()

# 從返回的數(shù)據(jù)結(jié)果來(lái)看，執(zhí)行當(dāng)前函數(shù)使用了45.3 MiB的內(nèi)存。返回結(jié)果如下：
# Line #    Mem usage    Increment  Occurrences   Line Contents
# =============================================================
#     28     45.3 MiB     45.3 MiB           1   @profile
#     29                                         def base_func():
#     30     45.3 MiB      0.0 MiB       10001       for n in range(10000):
#     31     45.3 MiB      0.0 MiB       10000           print('當(dāng)前n的值是：{}'.format(n))

案例2，腳本如下：

# -*- encoding: utf-8 -*-
from memory_profiler import profile


@profile
def my_func():
    a = [1] * (10 ** 6)
    b = [2] * (2 * 10 ** 7)
    del b
    return a


if __name__ == '__main__':
    my_func()

執(zhí)行結(jié)果如下圖：

2、timeit 時(shí)間使用情況

timeit是python的內(nèi)置模塊，可以測(cè)試單元格的代碼運(yùn)行時(shí)間，由于是內(nèi)置模塊所以并不需要單獨(dú)安裝。

import timeit

def base_func2():
    for n in range(10000):
        print(f'當(dāng)前n的值是：{n}')

res = timeit.timeit(base_func2,number=5)

print(f'當(dāng)前的函數(shù)的運(yùn)行時(shí)間是：{res}')

# 執(zhí)行結(jié)果如下：
# 0.09903816704172641

3、line_profiler行代碼運(yùn)行時(shí)間檢測(cè)

官方文檔：https://pypi.org/project/line-profiler/

安裝：pip install line_profiler

from line_profiler import LineProfiler


def base_func3():
    for n in range(10000):
        print(f'當(dāng)前n的值是：{n}')


lp = LineProfiler()
lp_wrap = lp(base_func3)
lp_wrap()
lp.print_stats()

"""
執(zhí)行結(jié)果如下：（單位時(shí)間為微妙）
Line #      Hits         Time  Per Hit   % Time  Line Contents
==============================================================
     1                                           def base_func3():
     2     10000    1538000.0    153.8      2.8      for n in range(10000):
     3     10000   53417000.0   5341.7     97.2          print('當(dāng)前n的值是：{}'.format(n))"""

4、heartrate可視化檢測(cè)工具

heartrate最值得推薦的是可以在網(wǎng)頁(yè)上面向檢測(cè)心率一樣檢測(cè)程序的執(zhí)行過(guò)程，是非標(biāo)準(zhǔn)庫(kù)，2019年11月停止更新。

文檔：https://www.cnpython.com/pypi/heartrate

安裝：pip install heartrate。

使用案例：

import heartrate

heartrate.trace(browser=True)

def base_func4():
    for n in range(10000):
        print(f'當(dāng)前n的值是：{n}')

執(zhí)行完會(huì)在瀏覽器上顯示：
文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-429949.html

到了這里，關(guān)于4個(gè)python內(nèi)存性能檢測(cè)工具：memory_profiler、timeit、line_profiler、heartrate的使用案例的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！