Python程序如何检测需要优化的代码？_built-in method time.sleep-优快云博客

本文链接：https://blog.youkuaiyun.com/Faker_Second/article/details/123069723

本文介绍了如何通过Python的cProfile和pstats库来定位并优化代码中耗时的部分。首先，通过cProfile分析运行时间，然后使用pstats进行详细统计，按累计时间排序，找出主要消耗时间的函数。通过这种方式，可以科学地进行代码优化，而非凭直觉判断。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、先分析性能，再进行优化，才能达到性价比最高的优化。

利用下面的2个工具进行分析最占用时间的代码行，然后进行优化

# 不要凭感觉去判断，先获取具体的测评结果
#@ profiler 是纯 python版本，cProfile 是 C 版本（速度更快）

import time
from cProfile import Profile

def test(n=2):
  """测试方法"""
  if n < 0:
    return
  time.sleep(1)
  test(n - 1)


pro = Profile()
pro.runcall(test)

from pstats import Stats # 内置统计

stats = Stats(pro)
stats.strip_dirs()
stats.sort_stats('cumulative')
stats.print_stats() # 打印输出

"""
         8 function calls (5 primitive calls) in 3.002 seconds

   Ordered by: cumulative time

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
      4/1    0.000    0.000    3.002    3.002 <stdin>:1(test)
        3    3.002    1.001    3.002    1.001 {built-in method time.sleep}
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

ncalls # 调用次数
tottime # 执行这个函数本身的时间（不包括该函数调用其他函数的时间）
tottime percall # tottime/ncalls ,这个函数的平均时间
cumtime # 执行这个函数花费的总时间（包括该函数调用其他函数的时间）
cumtime percall # cumtime/ncalls ,这个函数的平均总时间
"""

stats.print_callers() # 打印

"""
   Ordered by: cumulative time

Function                                          was called by...
                                                      ncalls  tottime  cumtime
<stdin>:1(test)                                   <-     3/1    0.000    2.001  <stdin>:1(test)
{built-in method time.sleep}                      <-       3    3.002    3.002  <stdin>:1(test)
{method 'disable' of '_lsprof.Profiler' objects}  <- 
Function # 左边是被调用者，后边是调用者

"""