Python 如何计算多个cProfile结果的平均结果？

而不是像这样只运行一次配置文件：

导入cProfile
def do_重型起吊（）：
对于范围（100）内的i：
打印（'你好'）
profiller=cProfile.Profile（）
profiller.enable（）
做重物搬运
profiller.disable（）
profiller.print_stats（sort='time'）

其中，配置文件结果如下所示：

      502 function calls in 0.000 seconds

Ordered by: internal time

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
   100    0.000    0.000    0.000    0.000 {built-in method builtins.print}
   200    0.000    0.000    0.000    0.000 cp1252.py:18(encode)
   200    0.000    0.000    0.000    0.000 {built-in method _codecs.charmap_encode}
     1    0.000    0.000    0.000    0.000 test.py:2(do_heavy_lifting)
     1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

我想运行几次并打印平均结果，以提高精度

这是我最初想到的脚本配方：

导入cProfile
def do_重型起吊（）：
对于范围（100）内的i：
打印（'你好'）
def最佳配置文件（目标配置文件函数，计数）：
profile_结果=[]
对于范围内的索引（计数）：
profiller=cProfile.Profile（）
profiller.enable（）
目标配置文件函数（）
profiller.disable（）
profile_results.append（profiller）
配置文件\u结果/=计数
返回配置文件\u结果
重型提升结果=最佳利润（重型提升，10）
重载提升结果。打印统计数据（sort='time'）

运行此操作后，它应该像第一个版本一样显示结果，但区别在于它们是多次运行的平均值，而不是一次运行

脚本草稿仍然缺少部分

profile_results/=count

，在所有迭代之后，我将获得所有计算结果，创建平均结果，并始终在屏幕上显示：

      502 function calls in 0.000 seconds

Ordered by: internal time

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
   100    0.000    0.000    0.000    0.000 {built-in method builtins.print}
   200    0.000    0.000    0.000    0.000 cp1252.py:18(encode)
   200    0.000    0.000    0.000    0.000 {built-in method _codecs.charmap_encode}
     1    0.000    0.000    0.000    0.000 test.py:2(do_heavy_lifting)
     1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

---

我使用函数

average（）

创建了以下代码。我打开了

pstats

的实现，发现有一个名为

Stats.add（）

的函数，它似乎只是将结果连接到当前对象中：

导入io
输入pstats
导入cProfile
def do_重型起吊（）：
对于范围（100）内的i：
打印（'你好'）
def平均值（统计、计数）：
stats.total_calls/=计数
stats.prim_调用/=计数
统计总数_tt/=计数
对于func，源位于stats.stats.items（）中：
cc、nc、tt、ct、呼叫者=源
stats.stats[func]=（cc/count、nc/count、tt/count、ct/count、调用者）
返回数据
def最佳配置文件（目标配置文件函数，计数）：
输出\u流=io.StringIO（）
profiller_status=pstats.Stats（流=输出流）
对于范围内的索引（计数）：
profiller=cProfile.Profile（）
profiller.enable（）
目标配置文件函数（）
profiller.disable（）
profiller_status.add（profiller）
打印（'Profiled'，'%.3f'%profiler\u status.total\u tt'，'seconds at'，index，
'for'，target\u profile\u函数。\u名称\u，flush=True）
平均值（profiller_状态、计数）
profiller\u status.sort\u stats（“时间”）
profiller_status.print_stats（）
返回“\n%s的配置文件结果\n%s”%（
目标\配置文件\函数。\名称\输出\流。getvalue（）
重型提升结果=最佳利润（重型提升，10）
打印（重型提升结果）

结果:

Profile results for do_heavy_lifting
         102.0 function calls in 0.001 seconds

   Ordered by: internal time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
    100.0    0.001    0.000    0.001    0.000 {built-in method builtins.print}
      1.0    0.000    0.000    0.001    0.001 D:\test.py:5(do_heavy_lifting)
      1.0    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

---

你为什么不运行几次

do\u heavy\u lifting（）

？