python函数运行内存时间等性能检测工具如何用

这篇文章主要介绍了python函数运行内存时间等性能检测工具如何用的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇python函数运行内存时间等性能检测工具如何用文章都会有所收获，下面我们一起来看看吧。

基础测试函数

首先，来编写一个基础的python函数用于在后面的各种性能测试。

def base_func():
    for n in range(10000):
        print('当前n的值是：{}'.format(n))

memory_profiler进程

memory_profiler是python的非标准库，所以这里采用pip的方式进行安装。它能够监视进程、了解内存使用等情况。

pip install memory_profiler

安装好memory_profiler库以后，直接使用注解的方式进行测试。

from memory_profiler import profile
@profile
def base_func1():
    for n in range(10000):
        print('当前n的值是：{}'.format(n))
base_func1()
# 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('当前n的值是：{}'.format(n))

从返回的数据结果来看，执行当前函数使用了45.3 MiB的内存。

timeit 时间使用情况

timeit是python的内置模块，可以测试单元格的代码运行时间，由于是内置模块所以并不需要单独安装。

import timeit
def base_func2():
    for n in range(10000):
        print('当前n的值是：{}'.format(n))
res = timeit.timeit(base_func2,number=5)
print('当前的函数的运行时间是：{}'.format(res))
# 当前的函数的运行时间是：0.9675800999999993

根据上面函数的运行返回结果，函数的运行时间是0.96秒。

line_profiler行代码检测

如果在只需要检测函数的局部运行时间的话就可以使用line_profiler了，它可以检测出每行代码的运行时间。

line_profiler是python的非标准库，使用的使用pip的方式安装一下。

pip install line_profiler

最简便的使用方式直接将需要测试的函数加入即可。

def base_func3():
    for n in range(10000):
        print('当前n的值是：{}'.format(n))
from line_profiler import LineProfiler
lp = LineProfiler()
lp_wrap = lp(base_func3)
lp_wrap()
lp.print_stats()
# Line #      Hits         Time  Per Hit   % Time  Line Contents
# ==============================================================
#     72                                           def base_func3():
#     73     10001     162738.0     16.3      4.8      for n in range(10000):
#     74     10000    3207772.0    320.8     95.2          print('当前n的值是：{}'.format(n))

从运行结果可以看出每行代码的运行时间及比例，注意这里的时间单位是微妙。

heartrate可视化检测

heartrate最值得推荐的是可以在网页上面向检测心率一样检测程序的执行过程，同时，他还是非标准库，使用pip的方式进行安装。

pip install heartrate

import heartrate
heartrate.trace(browser=True)
def base_func4():
    for n in range(10000):
        print('当前n的值是：{}'.format(n))

运行以后，控制台打印如下日志：

#  * Serving Flask app "heartrate.core" (lazy loading)
#  * Environment: production
#    WARNING: This is a development server. Do not use it in a production deployment.
#    Use a production WSGI server instead.
#  * Debug mode: off

并且自动打开浏览器地址：http://127.0.0.1:9999

关于“python函数运行内存时间等性能检测工具如何用”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“python函数运行内存时间等性能检测工具如何用”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注亿速云行业资讯频道。