Python脚本性能分析

来自：http://www.cnblogs.com/btchenguang/archive/2012/02/03/2337112.html

def foo():
sum = 0
for i in range(10000):
sum += i
sumA = bar()
sumB = bar()
return sum

def bar():
sum = 0
for i in range(100000):
sum += i
return sum

if __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")

运行：python -m cProfile t12.py，打印结果：



其中，输出每列的具体解释如下：（http://xianglong.me/article/analysis-python-application-performance-using-cProfile/）

ncalls：表示函数调用的次数；

tottime：表示指定函数的总的运行时间，除掉函数中调用子函数的运行时间；

percall：（第一个percall）等于 tottime/ncalls；

cumtime：表示该函数及其所有子函数的调用运行的时间，即函数开始调用到返回的时间；

percall：（第二个percall）即函数运行一次的平均时间，等于 cumtime/ncalls；

filename:lineno(function)：每个函数调用的具体信息；

另外，上面分析的时候，排序方式使用的是函数调用时间(cumulative)，除了这个还有一些其他允许的排序方式：calls, cumulative, file, line, module, name, nfl, pcalls, stdname, time等

# 增加排序方式