當(dāng)我們開始精通編程語言時(shí)，我們不僅希望實(shí)現(xiàn)最終的編程目標(biāo)，而且還希望可以使我們的程序更高效。在本文中，我們將學(xué)習(xí)一些Ipython的命令，這些命令可以幫助我們對Python代碼進(jìn)行時(shí)間分析。注意，在本教程中，我建議使用Anaconda。1．分析一行代碼要檢查一行python代碼的執(zhí)行時(shí)間，請使用＊＊％timeit＊＊。下面是一個(gè)簡單的例子來了解它的工作原理：＃＃＃＃ magics命令％timeit的簡單用法％timeit ［num for num in range（20）］＃＃＃＃ 輸出1．08 ？s ± 43 ns per loop （mean ± std． dev． of 7 runs， 1000000 loops each）主要注意事項(xiàng)：在要分析的代碼行之前使用％timeit它返回代碼運(yùn)行的平均值和標(biāo)準(zhǔn)偏差。在上面的示例中，執(zhí)行了7次，每次執(zhí)行對該代碼循環(huán)100萬次（默認(rèn)行為），這需要平均1．08微秒和43納秒的標(biāo)準(zhǔn)偏差。在調(diào)用magic命令時(shí)，可以自定義運(yùn)行和循環(huán)的數(shù)量，示例如下：＃＃＃＃ 在％timeit magic命令中自定義運(yùn)行和循環(huán)數(shù)％timeit －r5 －n100 ［num for num in range（20）］
1．01 ？s ± 5．75 ns per loop （mean ± std． dev． of 5 runs， 100 loops each）使用命令選項(xiàng)－r和－n，分別表示執(zhí)行次數(shù)和循環(huán)次數(shù)，我們將時(shí)間配置文件操作定制為執(zhí)行5次和循環(huán)100次。2．分析多行代碼本節(jié)向前邁進(jìn)了一步，并解釋了如何分析完整的代碼塊。通過對％timeit magic命令進(jìn)行一個(gè)小的修改，將單百分比（％）替換為雙百分比（％％），就可以分析一個(gè)完整的代碼塊。以下為示例演示，供參考：＃＃＃＃ 使用timeblock％％代碼分析％％timeit －r5 －n1000for i in range（10）： n ＝ i＊＊2 m ＝ i＊＊3 o ＝ abs（i）
＃＃＃＃ 輸出10．5 ？s ± 226 ns per loop （mean ± std． dev． of 5 runs， 1000 loops each）可以觀察到for循環(huán)的平均執(zhí)行時(shí)間為10．5微秒。請注意，命令選項(xiàng)－r和－n分別用于控制執(zhí)行次數(shù)和循環(huán)次數(shù)。3．代碼塊中的每一行代碼進(jìn)行時(shí)間分析到目前為止，我們只在分析一行代碼或代碼塊時(shí)查看摘要統(tǒng)計(jì)信息，如果我們想評估代碼塊中每一行代碼的性能呢？使用Line＿profiler 。Line＿profiler 包可用于對任何函數(shù)執(zhí)行逐行分析。要使用line＿profiler軟件包，請執(zhí)行以下步驟：安裝—Line＿profiler 包可以通過簡單的調(diào)用pip或conda Install來安裝。如果使用的是針對Python的anaconda發(fā)行版，建議使用conda安裝＃＃＃＃ 安裝line＿profiler軟件包c(diǎn)onda install line＿profiler加載擴(kuò)展—一旦安裝，你可以使用IPython來加載line＿profiler：＃＃＃＃ 加載line＿profiler的Ipython擴(kuò)展％load＿ext line＿profiler時(shí)間分析函數(shù)—加載后，使用以下語法對任何預(yù)定義函數(shù)進(jìn)行時(shí)間分析％lprun －f function＿name＿only function＿call＿with＿arguments語法細(xì)節(jié)：對line＿profiler的調(diào)用以關(guān)鍵字％lprun開始，后跟命令選項(xiàng)－f命令選項(xiàng)之后是函數(shù)名，然后是函數(shù)調(diào)用在本練習(xí)中，我們將定義一個(gè)接受高度（以米為單位）和重量（以磅為單位）列表的函數(shù)，并將其分別轉(zhuǎn)換為厘米和千克。＃＃＃＃ 定義函數(shù)def conversion（ht＿mtrs， wt＿lbs ）： ht＿cms ＝ ［ht＊100 for ht in ht＿mtrs］ wt＿kgs ＝ ［wt＊．4535 for wt in wt＿lbs］
＃＃＃＃ 定義高度和重量列表：ht ＝ ［5，5，4，7，6］wt ＝ ［108， 120， 110， 98］
＃＃＃＃ 使用line＿profiler分析函數(shù)％lprun －f conversion conversion（ht，wt）
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－＃＃＃＃ 輸出Total time： 1．46e－05 s
File： ＜ipython－input－13－41e195af43a9＞
Function： conversion at line 2
Line ＃ Hits Time Per Hit ％ Time Line Contents＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝ 2 1 105．0 105．0 71．9 ht＿cms ＝ ［ht＊100 for ht in ht＿mtrs］ 3 1 41．0 41．0 28．1 wt＿kgs ＝ ［wt＊．4535 for wt in wt＿lbs］輸出詳細(xì)信息：以14．6微秒為單位（參考第一行輸出）生成的表有6列：第1列（行＃）—代碼的行號（請注意，第＃1行是故意從輸出中省略的，因?yàn)樗皇呛瘮?shù)定義語句）第2列（命中）—調(diào)用該行的次數(shù)第3列（時(shí)間）—在代碼行上花費(fèi)的時(shí)間單位數(shù)（每個(gè)時(shí)間單位為14．6微秒）第4列（每次命中平均時(shí)間）—第3列除以第2列第5列（％Time）—在所花費(fèi)的總時(shí)間中，花在特定代碼行上的時(shí)間百分比是多少第6列（內(nèi)容）—代碼行的內(nèi)容你可以清楚地看到，高度從米到厘米的轉(zhuǎn)換幾乎占了總時(shí)間的72％。結(jié)束語利用每一行代碼的執(zhí)行時(shí)間，我們可以部署策略來提高代碼的效率。希望這篇文章能給你提供幫助，你能學(xué)到一些新東西。參考鏈接：https：／／towardsdatascience．com／did－you－know－you－can－measure－the－execution－time－of－python－codes－14c3b422d438
☆ END ☆如果看到這里，說明你喜歡這篇文章，請轉(zhuǎn)發(fā)、點(diǎn)贊。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
