一、profile,cProfile
1. python -m cProfile myprogram.py
python -m profile myprog.py
2. 使用import profile模块
import profile
def profileTest():
...
if __name__ == "__main__":
profile.run("profileTest()")
cProfile.run('func()')
3.ipython
%prun func()
%run -p myprog.py
其中输出每列的具体解释如下：
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；
如果需要将输出以日志的形式保存，只需要在调用的时候加入另外一个参数。如 profile.run("profileTest()","testprof")。
对于 profile 的剖析数据，如果以二进制文件的时候保存结果的时候，可以通过 pstats 模块进行文本报表分析，它支持多种形式的报表输出，是文本界面下一个较为实用的工具。使用非常简单：
import pstats
p = pstats.Stats('testprof')
p.sort_stats("name").print_stats()
其中 sort_stats() 方法能够对剖分数据进行排序， 可以接受多个排序字段，如 sort_stats('name', 'file') 将首先按照函数名称进行排序，然后再按照文件名进行排序。常见的排序字段有 calls( 被调用的次数 )，time（函数内部运行时间），cumulative（运行的总时间）等。此外 pstats 也提供了命令行交互工具，执行 python – m pstats 后可以通过 help 了解更多使用方式。
性能分析的结果以图形的方式呈现，常见的可视化工具有 Gprof2Dot，visualpytune，KCacheGrind 等。
二、timeit
1、import timeit
t=timeit.Timer('...')
t.timeit()
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
2、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
3、ipython
%timeit ...
%run -t [-N<N>] myprog.py
