Python性能分析，使用cProfile可视化并解决性能瓶颈问题 _Python

Python/ target=_blank class=infotextkey>Python标准库已经提供了性能分析所需的工具，即cProfile 。本文将向你展示如何使用cProfile，以可视化的方式快速识别代码中哪些部分计算开销最高，并且应该优先进行优化。帕累托法则无处不在，它说：

“在大多数情况下，80%的结果来自于20%的原因。”

作为一名程序员，当代码运行速度不尽如人意时，就需要花费大量时间对代码进行相应的重构。但在许多情况下，所得到的速度提升并不值得花费的精力。
Python标准库已经提供了性能分析所需的工具，即cProfile 。本文将向你展示如何使用cProfile，以可视化的方式快速识别代码中哪些部分计算开销最高，并且应该优先进行优化。
安装cProfilecProfile是我们将用来测量代码的各个部分所需时间的工具，它是Python标准库的一部分，因此无需安装。
QCachegrindQCachegrind将负责可视化cProfile的输出结果，将能够快速观察到性能瓶颈所在。
macOS 用户请检查你是否已经安装了Homebrew 。如果没有安装，请使用以下命令进行安装：
ruby -e “$(curl -fsSL https://raw.Githubusercontent.com/Homebrew/install/master/install)" < /dev/null 2> /dev/null然后你可以安装QCachegrind
brew install qcachegrind其他用户对于其他操作系统的用户，推荐Pyprof2calltree工具。
Pyprof2calltreePyprof2calltree将使用cProfile收集的分析数据转换为QCachegrind可以读取的格式。
安装方法如下：
pip install pyprof2calltree方法完成安装后，进入包含Python脚本的文件夹。

文章插图
包含要优化的脚本的文件夹
测量我们使用cProfile来测量脚本不同部分的运行时间，并将结果保存在一个名为medium_example.profile的文件中（可以选择使用任何名称，只要它是.profile文件）：
python -m cProfile -o medium_example.profile 1_generate_ML_data.py正如你所看到的，medium_example.profile文件已添加到文件夹中：

文章插图
该文件包含了运行脚本中所涉及的不同函数的运行时间。
可视化现在，我们可以将cProfile的测量结果可视化：
pyprof2calltree -k -i medium_example.profile

文章插图
QCachegrind的用户界面包含了与所有相关函数的执行时间有关的信息：红色的是“Flat Profile”（左侧），蓝色的是“Callers”（右上方），绿色的是“Callees”（右下方）。
这个用户界面展示的内容较多。接下来本文会逐一解释所有这些内容的含义。

“Flat Profile” 面板出现在左侧，按时间消耗的降序排列提供了完整的函数调用列表。“Incl.” 列显示每个函数消耗的总时间，考虑到其被调用者花费的时间。
“Self” 列显示仅在函数本身内部花费的时间，不包括其被调用者花费的时间。
“Called” 列显示函数被调用的次数，而“Function” 列则显示函数的名称，包括其命名空间。
“Callers” 面板（右上方）显示调用所选函数的函数列表，以及在每个调用者函数中花费的时间。
另一方面，“Callees” 面板（右下方）显示由所选函数调用的函数列表，以及每个被调用者函数中花费的时间。通过优化这些被调用者函数，你可以提高所选函数的性能。

现在你知道如何解读用户界面，接下来展示如何使用它来找到性能瓶颈。

文章插图
利用QCachegrind用户界面识别性能瓶颈
在“Flat Profile”面板的搜索栏中，输入builtins.exec，然后选择函数<Built-in method builtins.exec> 。
在“Callees”面板中，选择应该占用所有（~100%）的执行时间的第一个函数。它是你之前执行的脚本的入口点。
然后，该函数会被移到“Callers”面板上，并刷新“Callees”面板显示其中调用的函数。
在本示例中，96.52%的执行时间来自函数generate_all_season_games_features 。
如果想再深入一级，可以选择该函数。它再次被移到“Callers”面板上，而“Callees”面板则显示了被调用的函数。