当我们开始精通编程语言时,我们不仅希望实现最终目标,而且希望使我们的程序高效。
在这个教程中,我们将学习一些Ipython的命令,这些命令可以帮助我们对Python代码进行时间分析。
注意,在本教程中,我建议使用Anaconda。
1.分析一行代码
要检查一行python代码的执行时间,请使用%timeit。下面是一个简单的例子来了解它的工作原理:
magics命令%timeit的简单用法%timeit[numfornuminrange(20)]输出1.08µs±43nsperloop(mean±std.dev.of7runs,1000000loopseach)
主要注意事项:
- 在要分析的代码行之前使用%timeit
- 它返回代码运行的平均值和标准偏差。在上面的示例中,执行了7次,每次执行对该代码循环100万次(默认行为)。这需要平均1.08微秒和43纳秒的标准偏差。
- 在调用magic命令时,可以自定义运行和循环的数量。示例如下:
在%timeit magic命令中自定义运行和循环数%timeit-r5-n100[numfornuminrange(20)]1.01µs±5.75nsperloop(mean±std.dev.of5runs,100loopseach)
使用命令选项-r和-n,分别表示执行次数和循环次数,我们将时间配置文件操作定制为执行5次和循环100次。
2.分析多行代码
本节向前迈进了一步,并解释了如何分析完整的代码块。通过对%timeit magic命令进行一个小的修改,将单百分比(%)替换为双百分比(%%),就可以分析一个完整的代码块。以下为示例演示,供参考:
使用timeblock%%代码分析%%timeit-r5 -n1000fori in range(10):n=i**2m=i**3o=abs(i)输出10.5µs ± 226 ns per loop (mean ± std. dev. of 5 runs, 1000 loops each)
可以观察到for循环的平均执行时间为10.5微秒。请注意,命令选项-r和-n分别用于控制执行次数和循环次数。
3.代码块中的每一行代码进行时间分析
到目前为止,我们只在分析一行代码或代码块时查看摘要统计信息。如果我们想评估代码块中每一行代码的性能呢?使用Line_profiler。
Line_profiler包可用于对任何函数执行逐行分析。要使用line_profiler软件包,请执行以下步骤:
- 安装—Line_profiler包可以通过简单的调用pip或conda Install来安装。如果使用的是针对Python的anaconda发行版,建议使用conda安装
安装line_profiler软件包condainstall line_profiler
加载扩展—一旦安装,你可以使用IPython来加载line_profiler:
加载line_profiler的Ipython扩展%load_ext line_profiler
时间分析函数—加载后,使用以下语法对任何预定义函数进行时间分析
%lprun -f function_name_only function_call_with_arguments
语法细节:
- 对line_profiler的调用以关键字%lprun开始,后跟命令选项-f
- 命令选项之后是函数名,然后是函数调用
在本练习中,我们将定义一个接受高度(以米为单位)和重量(以磅为单位)列表的函数,并将其分别转换为厘米和千克。
定义函数defconversion(ht_mtrs,wt_lbs):ht_cms=[ht*100forhtinht_mtrs]wt_kgs=[wt*.4535forwtinwt_lbs]定义高度和重量列表:ht=[5,5,4,7,6]wt=[108,120,110,98]使用line_profiler分析函数%lprun-fconversionconversion(ht,wt)---------------------------------------------------------------输出Total time:1.46e-05sFile: Function:conversionatline2LineHits Time Per Hit % Time Line Contents==============================================================21105.0105.071.9ht_cms=[ht*100forhtinht_mtrs]3141.041.028.1wt_kgs=[wt*.4535forwtinwt_lbs]
输出详细信息:
以14.6微秒为单位(参考第一行输出)
生成的表有6列:
- 第1列(行)—代码的行号(请注意,第1行是故意从输出中省略的,因为它只是函数定义语句)
- 第2列(命中)—调用该行的次数
- 第3列(时间)—在代码行上花费的时间单位数(每个时间单位为14.6微秒)
- 第4列(每次命中平均时间)—第3列除以第2列
- 第5列(%Time)—在所花费的总时间中,花在特定代码行上的时间百分比是多少
- 第6列(内容)—代码行的内容
你可以清楚地注意到,高度从米到厘米的转换几乎占了总时间的72%。
结束语
利用每一行代码的执行时间,我们可以部署策略来提高代码的效率。在接下来的3个教程中,我们将分享一些最佳实践来帮助你提高代码的效率。
我希望这篇教程能提供帮助,你能学到一些新东西。
原文链接:https://towardsdatascience.com/did-you-know-you-can-measure-the-execution-time-of-python-codes-14c3b422d438
声明:本文部分素材转载自互联网,如有侵权立即删除 。
2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
3. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
5. 如有链接无法下载、失效或广告,请联系管理员处理!
6. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!
7. 如遇到加密压缩包,请使用WINRAR解压,如遇到无法解压的请联系管理员!
8. 精力有限,不少源码未能详细测试(解密),不能分辨部分源码是病毒还是误报,所以没有进行任何修改,大家使用前请进行甄别
丞旭猿论坛
暂无评论内容