python pdb调试
python -m pdb myscript.py #注意这会重启myscript.py
可以在程序中这么设置断点：
import pdb; pdb.set_trace()
可以修改变量的值，但是要注意，前面加上！比如要修改final的值，应该这样!final="newvalue"
支持的命令：
p 打印变量
n next
step 细点运行
c continue
l list
a args 打印当前函数的参数
condition bpnumber [condition]
clear/disable/enable 清除/禁用/使能断点
q quit
python profiler性能分析
一种方法：
if __name__ == "__main__":
import profile
profile.run("foo()")
另一种命令行方法：python -m profile prof1.py
profile的统计结果分为ncalls, tottime, percall, cumtime, percall, filename:lineno(function)等若干列：
|
ncalls
|
函数的被调用次数
|
|
tottime
|
函数总计运行时间，除去函数中调用的函数运行时间
|
|
percall
|
函数运行一次的平均时间，等于tottime/ncalls
|
|
cumtime
|
函数总计运行时间，含调用的函数运行时间
|
|
percall
|
函数运行一次的平均时间，等于cumtime/ncalls
|
|
filename:lineno(function)
|
函数所在的文件名，函数的行号，函数名
|
profile解 决了我们的一个需求，还有一个需求：以多种形式查看输出，我们可以通过 profile的另一个类Stats来解决。在这里我们需要引入一个模块pstats，它定义了一个类Stats，Stats的构造函数接受一个参数—— 就是profile的输出文件的文件名。Stats提供了对profile输出结果进行排序、输出控制等功能，如我们把前文的程序改为如下：
|
# …略
if __name__ == "__main__":
import profile
profile.run("foo()", "prof.txt")
import pstats
p = pstats.Stats("prof.txt")
p.sort_stats("time").print_stats()
|
引入pstats之后，将profile的输出按函数占用的时间排序
Stats有若干个函数，这些函数组合能给我们输出不同的profile报表，功能非常强大。下面简单地介绍一下这些函数：
|
strip_dirs()
|
用以除去文件名前名的路径信息。
|
|
add(filename,[…])
|
把profile的输出文件加入Stats实例中统计
|
|
dump_stats(filename)
|
把Stats的统计结果保存到文件
|
|
sort_stats(key,[…])
|
最重要的一个函数，用以排序profile的输出
|
|
reverse_order()
|
把Stats实例里的数据反序重排
|
|
print_stats([restriction,…])
|
把Stats报表输出到stdout
|
|
print_callers([restriction,…])
|
输出调用了指定的函数的函数的相关信息
|
|
print_callees([restriction,…])
|
输出指定的函数调用过的函数的相关信息
|
这里最重要的函数就是sort_stats和print_stats，通过这两个函数我们几乎可以用适当的形式浏览所有的信息了，下面来详细介绍一下。
sort_stats() 接受一个或者多个字符串参数，如”time”、”name” 等，表明要根据哪一列来排序，这相当有用，例如我们可以通过用time为key来排序得知最消耗时间的函数，也可以通过cumtime来排序，获知总消耗 时间最多的函数，这样我们优化的时候就有了针对性，也就事半功倍了。sort_stats可接受的参数如下：
|
‘ncalls’
|
被调用次数
|
|
‘cumulative’
|
函数运行的总时间
|
|
‘file’
|
文件名
|
|
‘module’
|
文件名
|
|
‘pcalls’
|
简单调用统计（兼容旧版，未统计递归调用）
|
|
‘line’
|
行号
|
|
‘name’
|
函数名
|
|
‘nfl’
|
Name/file/line
|
|
‘stdname’
|
标准函数名
|
|
‘time’
|
函数内部运行时间（不计调用子函数的时间）
|
另一个相当重要的函数就是print_stats——用以根据最后一次调用sort_stats之后得到的报表。
cProfile
python -m cProfile -s time test.py
如果我们某天心血来潮，想要向list里append一个元素需要多少时间或者想知道抛出一个异常要多少时间，那使用profile就好像用牛刀杀鸡了。这时候我们更好的选择是timeit模块。
timeit除了有非常友好的编程接口，也同样提供了友好的命令行接口。首先来看看编程接口。timeit模块包含一个类Timer，它的构造函数是这样的：
class Timer( [stmt='pass' [, setup='pass' [, timer=<timer function>]]])
stmt参数是字符串形式的一个代码段，这个代码段将被评测运行时间；setup参数用以设置stmt的运行环境；timer可以由用户使用自定义精度的计时函数。
timeit.Timer有三个成员函数，下面简单介绍一下：
timeit( [number=1000000])
timeit()执行一次Timer构造函数中的setup语句之后，就重复执行number次stmt语句，然后返回总计运行消耗的时间。
repeat( [repeat=3 [, number=1000000]])
repeat()函数以number为参数调用timeit函数repeat次，并返回总计运行消耗的时间
print_exc( [file=None])
print_exc()函数用以代替标准的tracback，原因在于print_exc()会输出错行的源代码，如：
|
>>> t = timeit.Timer("t = foo()/nprint t") ß被timeit的代码段
>>> t.timeit()
Traceback (most recent call last):
File "<pyshell#12>", line 1, in -toplevel-
t.timeit()
File "E:/Python23/lib/timeit.py", line 158, in timeit
return self.inner(it, self.timer)
File "<timeit-src>", line 6, in inner
foo() ß标准输出是这样的
NameError: global name 'foo' is not defined
>>> try:
t.timeit()
except:
t.print_exc()
Traceback (most recent call last):
File "<pyshell#17>", line 2, in ?
File "E:/Python23/lib/timeit.py", line 158, in timeit
return self.inner(it, self.timer)
File "<timeit-src>", line 6, in inner
t = foo() ßprint_exc()的输出是这样的，方便定位错误
NameError: global name 'foo' is not defined
|
除了可以使用timeit的编程接口外，我们也可以在命令行里使用timeit，非常方便：
python timeit.py [-n N] [-r N] [-s S] [-t] [-c] [-h] [statement ...]
其中参数的定义如下：
-n N/--number=N
statement语句执行的次数
-r N/--repeat=N
重复多少次调用timeit()，默认为3
-s S/--setup=S
用以设置statement执行环境的语句，默认为”pass”
-t/--time
计时函数，除了Windows平台外默认使用time.time()函数，
-c/--clock
计时函数，Windows平台默认使用time.clock()函数
-v/--verbose
输出更大精度的计时数值
-h/--help
简单的使用帮助
