监控 Python 内存使用情况和代码执行时间

我的代码的哪些部分运行时间最长、内存最多？我怎样才能找到需要改进的地方？,在开发过程中，我很确定我们大多数人都会想知道这一点，在本文中总结了一些方法来监控 Python 代码的时间和内存使用情况。,,本文将介绍4种方法，前3种方法提供时间信息，第4个方法可以获得内存使用情况。,这是计算代码运行所需时间的最简单、最直接(但需要手动开发)的方法。他的逻辑也很简单:记录代码运行之前和之后的时间，计算时间之间的差异。这可以实现如下:,下面的例子显示了for循环和列表推导式在时间上的差异:,我们都知道for会慢一些。,魔法命令是IPython内核中内置的方便命令，可以方便地执行特定的任务。一般情况下都实在jupyter notebook种使用。,在单元格的开头添加%%time ，单元格执行完成后，会输出单元格执行所花费的时间。,结果如下：,这里的CPU times是CPU处理代码所花费的实际时间，Wall time是事件经过的真实时间，在方法入口和方法出口之间的时间。,前两个方法只提供执行该方法所需的总时间。通过时间分析器我们可以获得函数中每一个代码的运行时间。,这里我们需要使用line_profiler包。使用pip install line_profiler。,输出结果如下：,可以看到line_profiler提供了每行代码所花费时间的详细信息。,可以看到，每一行代码都详细的分析了时间，这对于我们分析时间相当的有帮助。,与line_profiler类似，memory_profiler提供代码的逐行内存使用情况。,要安装它需要使用pip install memory_profiler。我们这里监视convert_cms_f函数的内存使用情况。,convert_cms_f函数在单独的文件中定义，然后导入。结果如下：,memory_profiler 提供对每行代码内存使用情况的详细了解。,这里的1 MiB (MebiByte) 几乎等于 1MB。1 MiB  = 1.048576 1MB,但是memory_profiler 也有一些缺点：它通过查询操作系统内存，所以结果可能与 python 解释器略有不同，如果在会话中多次运行 %mprun，可能会注意到增量列报告所有代码行为 0.0 MiB。这是因为魔法命令的限制导致的。,虽然memory_profiler有一些问题，但是它就使我们能够清楚地了解内存使用情况，对于开发来说是一个非常好用的工具。,虽然Python并不是一个以执行效率见长的语言，但是在某些特殊情况下这些命令对我们还是非常有帮助的。,