有時候運作一個python程式，它需要運作很長時間。你或許想提升該程式的運作效率。那該怎麼做那？
首先需要你要找到該程式瓶頸在哪裡~ 比如，哪個函數的運作花費時間比較長？ 哪個函數占用記憶體比較多，是否需要優化對記憶體的使用？ 哪個占用cpu時間比較長？ 等... 這些都需要考慮，python有幾個庫可以幫助你解決這些問題～ 廢話不多說，切入主題。
首先寫一段讀取一個檔案的python腳本:
touch c9.py
#!/usr/bin/env python
#Date: 2015/07/21
def read_file(fpath):
BLOCK_SIZE=1024
with open(fpath, 'rb') as fd:
block = fd.read(BLOCK_SIZE)
if block:
yield block
else:
return
def main():
for i in read_file('~/access.log')
print i
if __name__ == "__main__":
main() 然後，對該代碼進行測試。
首先測試該代碼運作時間：
它是一個外部的python測量。
real 表明了執行腳本花費的總時間。
user 表明了執行腳本花費在cpu的時間。
sys 表明了執行腳本花費在核心函數的時間。
是以， Real time和user＋sys相加的不同或許表明了時間花費在等待i/o或者是系統在忙于執行其他任務。
使用cProfile子產品
如果想知道花費在每個函數和方法上的時間，以及他們被調用了多少次，你可以使用cProfile子產品。
$ python -m cProfile -s cumulative + 要執行的python腳本 ( -s cumulative 它将通過累積花費在每個函數上的時間來排序)
你将看到花費在運作你的腳本總時間是比以前高的，這是我們測量每個函數執行時間的損失。
使用line_profile子產品
line_profile 給出了在你代碼美一行花費cpu時間。
首先需要安裝line_profiler:
pip install line_profiler
接下來，你需要制定你想使用裝飾器@profile評估哪個函數(你不需要把它import 到你的檔案中)
接下來測試該代碼：
$ kernprof -l -v + 要執行的代碼
-l 辨別表明了逐行和-v辨別表明詳細輸出。
使用memory_profile子產品
memory_profile子產品被用于在逐行的基礎上，測量你代碼的記憶體使用率。盡管如此，它可能使得你的代碼運作的更慢。
首先安裝memory_profiler
$pip install memory_profiler
也建議安裝psutil包,使得memory_profile子產品運作的更快。
$ pip install psutil
類似于line_profile的方式，使用裝飾器@profile來标記哪個函數被跟蹤。
$python -m memory_profiler + 要執行的代碼檔案
看上面的輸出，注意記憶體使用率的機關是MiB,這代表的是兆位元組(1MiB = 1.05MB).
使用guppy子產品
使用guppy子產品你可以跟蹤每個類型在你代碼中每個階段(字元、元組、字典等等)有多少對象被建立。
安裝guppy:
$ pip install guppy
然後将你的代碼該改成如下：
#!/usr/bin/env python
from guppy import hpy
def read_file(fpath):
hp = hpy()
print "Heap at the beginning of the function\n", hp.heap()
BLOCK_SIZE = 1024
with open(fpath, 'rb') as fd:
while True:
block = fd.read(BLOCK_SIZE)
if block:
yield block
else:
print "Heap at the end of the function\n", hp.heap()
return
def main():
hp = hpy()
print "Heap at the beginning of the function\n", hp.heap()
for i in read_file('/Users/David/Applications/py/dt'):
#print i
pass
print "Heap at the end of the function\n", hp.heap()
if __name__ == "__main__":
main() 執行該代碼：
$ python c9.py