什么是评测和性能测试python代码的最佳实践和工具？

可能重复：

什么是评测和性能测试python代码的最佳实践和工具？ 任何快速的胜利在这里或建议

CProfile seams很受欢迎，下面有一些很棒的注释/答案，它们都是非常好的答案/教程。投反对票，我会在一两天内选出第一名。谢谢@senderle和@campos.ddc

一旦发现问题区域，是否有任何习惯用法和/或技巧来转换代码以加快速度？

是经典的分析工具。使用它的基本方法是：

在这里，我在我编写的一个参考实现的测试例程中调用了它

me@mine $ python -m cProfile mersenne.twister.py 
True
True
1000000
         1003236 function calls in 2.163 CPU seconds

   Ordered by: standard name

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.000    0.000    2.163    2.163 <string>:1(<module>)
        1    0.001    0.001    2.162    2.162 mersenne.twister.py:1(<module>)
        3    0.001    0.000    0.001    0.000 mersenne.twister.py:10(init_gen)
  1000014    1.039    0.000    1.821    0.000 mersenne.twister.py:19(extract_number)
        1    0.000    0.000    0.000    0.000 mersenne.twister.py:3(Twister)
     1603    0.766    0.000    0.782    0.000 mersenne.twister.py:33(generate_numbers)
        1    0.000    0.000    0.000    0.000 mersenne.twister.py:4(__init__)
        1    0.317    0.317    2.161    2.161 mersenne.twister.py:42(_test)
        1    0.001    0.001    2.163    2.163 {execfile}
        1    0.000    0.000    0.000    0.000 {len}
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
     1608    0.038    0.000    0.038    0.000 {range}

me@mine$python-m cProfile mersenne.twister.py
真的
真的
1000000
1003236次函数调用，耗时2.163 CPU秒
订购人：标准名称
ncalls tottime percall cumtime percall文件名：lineno（函数）
1    0.000    0.000    2.163    2.163 :1()
1 0.001 0.001 2.162 2.162梅森捻线机py:1（）
3 0.001 0.000 0.001 0.000梅森捻线机py:10（初始根）
1000014 1.039 0.000 1.821 0.000梅森捻线机py:19（摘录号）
1 0.000 0.000 0.000 0.000梅森捻线机py:3（捻线机）
1603 0.766 0.000 0.782 0.000梅森捻线机py:33（生成编号）
1 0.000 0.000 0.000 0.000梅森捻线机py:4（初始）
1 0.317 0.317 2.161 2.161梅森捻线机py:42（_试验）
1 0.001 0.001 2.163 2.163{execfile}
1 0.000 0.000 0.000 0.000{len}
1 0.000 0.000 0.000 0.000{方法'disable'的''lsprof.Profiler'对象}
16080.0380.000 0.0380.000{范围}

ncalls

是调用函数的次数

tottime

是在函数中花费的总时间，不包括在子函数调用中花费的时间

percall

是

tottime/ncalls

cumtime

是在函数中花费的时间，包括在子函数调用中花费的时间。剩下的数据如下：

filename:lineno（func\u name）

在大多数情况下，首先查看

ncall

和

tottime

。在上面的数据中，您可以看到该程序花费的大部分时间发生在

extract\u number

中。此外，我们可以看到，

extract\u number

被调用多次（1000014）。因此，我所能做的任何加速

提取\u number

的事情都将显著加快此测试代码的执行。如果它给我一微秒的增益，那么增益将乘以1000014，得到一整秒的增益

然后我应该做

generate\u numbers

。这方面的收益不会有太大的影响，但它们可能仍然很重要，而且由于这一功能又消耗了0.7秒，因此有一些好处可以利用

---

这应该给你一个大概的想法。但是，请注意，例如在递归的情况下，

tottime

数字有时可能具有欺骗性

谢谢senderle，有关于如何解释结果并采取行动的提示吗？@Mattalock您可能想查看python官方文档中关于评测的内容：很好的链接，谢谢Rik。我去看看。除了分析，还有其他习惯用法吗？

me@mine $ python -m cProfile mersenne.twister.py 
True
True
1000000
         1003236 function calls in 2.163 CPU seconds

   Ordered by: standard name

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.000    0.000    2.163    2.163 <string>:1(<module>)
        1    0.001    0.001    2.162    2.162 mersenne.twister.py:1(<module>)
        3    0.001    0.000    0.001    0.000 mersenne.twister.py:10(init_gen)
  1000014    1.039    0.000    1.821    0.000 mersenne.twister.py:19(extract_number)
        1    0.000    0.000    0.000    0.000 mersenne.twister.py:3(Twister)
     1603    0.766    0.000    0.782    0.000 mersenne.twister.py:33(generate_numbers)
        1    0.000    0.000    0.000    0.000 mersenne.twister.py:4(__init__)
        1    0.317    0.317    2.161    2.161 mersenne.twister.py:42(_test)
        1    0.001    0.001    2.163    2.163 {execfile}
        1    0.000    0.000    0.000    0.000 {len}
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
     1608    0.038    0.000    0.038    0.000 {range}