我想知道如何分析我的代码。
我浏览了文档，但由于没有给出示例，我无法从中得到任何东西。
我有一个很大的代码，它需要很长时间，因此我想分析并提高它的速度。 我还没有在方法中编写我的代码，中间很少但不完全。 我的代码中没有任何主要内容。我想知道如何使用分析。 我正在寻找一些关于如何分析的示例或示例代码。
我尝试了 psyco，即在我的代码顶部添加了两行：
import psyco
psyco.full()
这是对的吗？它没有显示出任何改善。 任何其他加速方式，请提出建议。
【问题讨论】：
使用cProfile。您可以从命令行使用它并将模块作为参数传入，因此您不需要main 方法。
【讨论】：
python -m cProfile myscript.py。
这个问题的标准答案是使用cProfile。
您会发现如果不将代码分离成 cProfile 不会为您提供特别丰富信息的方法。
相反，您可能想尝试此处另一位发帖人所称的 Monte Carlo Profiling。引用another answer:
如果你赶时间，你可以 手动中断您的程序 调试器，而它正在 主观上慢，有一个简单的 发现性能问题的方法。
暂停几次，每次 有时间看看调用栈。 如果有 是一些浪费一些代码 时间百分比，20% 或 50% 或 无论如何，这是概率 你会在每个动作中抓住它 示例。 所以这大致是 样本百分比 会看到的。没有受过教育的 需要猜测。如果你有一个 猜猜是什么问题，这个 将证明或反驳它。
您可能有多个表现 大小不同的问题。如果你 清除其中任何一个， 其余的将需要更大的 百分比，并且更容易发现 随后的传球。
警告：程序员往往 对这种技术持怀疑态度，除非 他们自己用过。他们将 说分析器给你这个 信息，但只有在 他们对整个调用堆栈进行采样。 调用图不一样 信息，因为 1) 他们没有 在教学层面总结， 2）他们给出了令人困惑的总结 在递归的情况下。他们 还会说它只适用于玩具 程序，当它实际运行时 任何程序，它似乎工作 在更大的程序上更好，因为 他们往往有更多的问题 找到[强调]。
这不是正统的，但我在一个项目中非常成功地使用了它，使用 cProfile 进行分析并没有给我有用的输出。
最好的一点是，这在 Python 中非常容易做到。只需在解释器中运行您的 Python 脚本，按 [Control-C]，记下回溯并重复多次。
【讨论】：
这个答案已经在https://github.com/campos-ddc/cprofile_graph实现了
这是我前段时间写的一篇关于使用 cProfile 进行概要分析的文章。
cProfile 是最常用的 Python 分析器之一，虽然功能非常强大，但标准文本输出有些乏善可陈。在这里，我将向您展示如何以更简单的方式在您的应用程序中使用 cProfile。
使用 cProfile 有两种常用方法，您可以将其用作提示符中的命令来分析给定模块，也可以在代码中使用它来分析代码的特定 sn-ps。
要使用 cProfile 分析整个模块，只需在提示符中使用以下命令：
python -m cProfile -o output_filename.pstats path/to/script arg1 arg2
这将使用给定的参数（它们是可选的）运行您的模块并将输出转储到 output_filename.pstats 中。
lots of ways 可以读取该输出文件上的数据，但就本文而言，我们不必担心这些，而是专注于获得图形可视化。
有时您不想分析整个模块，只分析其中的几行。
为此，您必须在模块中添加一些代码。
首先：
import cProfile
然后，您可以将任何代码段替换为以下内容：
cProfile.runctx('Your code here', globals(), locals(), 'output_file')
例如，这是一个分析前后的测试：
import unittest
class Test(unittest.TestCase):
def testSomething(self):
self.DoSomethingIDontCareAbout()
param = 'whatever'
self.RunFunctionIThinkIsSlow(param)
self.AssertSomeStuff() # This is after all, a test
之后：
import unittest
import cProfile
class Test(unittest.TestCase):
def testSomething(self):
self.DoSomethingIDontCareAbout()
param = 'whatever'
cProfile.runctx(
'self.RunFunctionIThinkIsSlow(param)',
globals(),
locals(),
'myProfilingFile.pstats'
)
self.AssertSomeStuff() # This is after all, a test
要将分析文件转换为图表，您需要做以下几件事：
下载 gprof2dot 并安装 GraphViz 后，在提示符中运行以下命令：
python gprof2dot -f pstats myProfileFile | dot -Tpng -o image_output.png
您可能必须为 gprof2dot 和/或 dot 使用完整路径，或者您可以将它们添加到 PATH 环境变量中。
在所有这些之后，你应该有一个看起来有点像这样的图像：
较热的颜色（红色、橙色、黄色）表示比较冷的颜色（绿色、蓝色）占用更多总运行时间的函数
在每个节点上，您可以查看该函数使用的总运行时间的百分比以及它被调用的次数。
节点之间的箭头表示哪个函数调用了其他函数，并且这些箭头还有一个标题，表示运行时的百分比是多少。
注意：百分比加起来并不总是 100%，尤其是在引用 C++ 代码的代码部分上，这些代码不会被分析。 cProfile 也无法确定“eval”语句中调用的内容，因此您可能会在图表中看到一些跳跃。
【讨论】：