line_profiler，Python代码性能分析库

工作中某些函数运行特别慢，但用普通的性能分析工具只能看到函数级别的统计，无法定位到具体哪行代码是性能瓶颈。line_profiler，它能精确到每一行代码的执行时间，让性能优化工作变得简单高效。

 

通过使用line_profiler，可以：

1. 精确定位代码瓶颈
2. 量化优化效果

安装和配置

?

1	pip install line_profiler -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

　安装完成后，会得到两个命令行工具：kernprof和line_profiler。kernprof用于收集性能数据，而line_profiler用于分析结果。

基本用法

 line_profiler的使用方法非常优雅。只需要用@profile装饰器标记要分析的函数：

?

1 2 3 4 5 6 7 8 9 10 11 12 13

from line_profiler.explicit_profiler import profile     @profile def slow_function():     result = []     for i in range(10000):         result.append(i ** 2)     return sum(result)     if __name__ == '__main__':     slow_function()

在命令行运行：　　

?

1	kernprof -l -v test.py

Total time：当前函数的时间消耗，单位是秒。

File：当前函数所在文件名。

Function：当前函数的函数名以及在文件中的位置。

Line #：代码所在行号。

Hits：在执行过程中，该行代码执行次数，即命中数。

Time：在执行过程中，该行代码执行的总时间，默认单位是微秒。

Per Hit：在执行过程中，平均每次执行该行代码所耗时间，默认单位是微秒。

% Time：执行该行代码所耗总时间占执行当前函数所耗总时间的百分比。

Line Contents：该行代码的内容。

 

高级功能

1. 动态分析：除了装饰器方式，还可以在运行时动态分析代码

?

1 2 3 4 5 6 7 8 9 10 11 12

from line_profiler import LineProfiler     def slow_function():     for i in range(100):         sum([i ** 2 for i in range(100)])     profiler = LineProfiler() profiler_wrapper = profiler(slow_function) profiler_wrapper() profiler.print_stats()

2. 多函数分析：可以同时分析多个函数的性能：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

from line_profiler import LineProfiler     def func1():     for i in range(10):         sum([i ** 2 for i in range(10)])     def func2():     for i in range(20):         sum([i ** 2 for i in range(20)])     profiler = LineProfiler() profiler.add_function(func1) profiler.add_function(func2) # 运行并分析 func1 profiler.runcall(func1) profiler.runcall(func2) # 打印统计信息 profiler.print_stats()