当我们开始精通编程语言时,我们不仅希望实现最终的编程目标,而且还希望可以使我们的程序更高效。在本文中,我们将学习一些 Ipython 的命令,这些命令可以帮助我们对 Python 代码进行时间分析。

 

注意,在本教程中,我建议使用 Anaconda。1.分析一行代码要检查一行 python 代码的执行时间,请使用**%timeit**。下面是一个简单的例子来了解它的工作原理:#### magics 命令%timeit 的简单用法%timeit [num for num in range(20)]
#### 输出 1.08 ?s ± 43 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)主要注意事项:在要分析的代码行之前使用%timeit 它返回代码运行的平均值和标准偏差。在上面的示例中,执行了 7 次,每次执行对该代码循环 100 万次(默认行为),这需要平均 1.08 微秒和 43 纳秒的标准偏差。在调用 magic 命令时,可以自定义运行和循环的数量,示例如下:#### 在%timeit magic 命令中自定义运行和循环数%timeit -r5 -n100 [num for num in range(20)]


1.01 ?s ± 5.75 ns per loop (mean ± std. dev. of 5 runs, 100 loops each)使用命令选项-r 和-n,分别表示执行次数和循环次数,我们将时间配置文件操作定制为执行 5 次和循环 100 次。

 

2.分析多行代码本节向前迈进了一步,并解释了如何分析完整的代码块。通过对%timeit magic 命令进行一个小的修改,将单百分比(%)替换为双百分比(%%),就可以分析一个完整的代码块。以下为示例演示,供参考:#### 使用 timeblock%%代码分析%%timeit -r5 -n1000for i in range(10):    n = i**2    m = i**3    o = abs(i)
#### 输出 10.5 ?s ± 226 ns per loop (mean ± std. dev. of 5 runs, 1000 loops each)可以观察到 for 循环的平均执行时间为 10.5 微秒。请注意,命令选项-r 和-n 分别用于控制执行次数和循环次数。

 

3.代码块中的每一行代码进行时间分析到目前为止,我们只在分析一行代码或代码块时查看摘要统计信息,如果我们想评估代码块中每一行代码的性能呢?使用 Line_profiler 。Line_profiler 包可用于对任何函数执行逐行分析。要使用 line_profiler 软件包,请执行以下步骤:安装—Line_profiler 包可以通过简单的调用 pip 或 conda Install 来安装。如果使用的是针对 Python 的 anaconda 发行版,建议使用 conda 安装#### 安装 line_profiler 软件包 conda install line_profiler 加载扩展—一旦安装,你可以使用 IPython 来加载 line_profiler:#### 加载 line_profiler 的 Ipython 扩展%load_ext line_profiler 时间分析函数—加载后,使用以下语法对任何预定义函数进行时间分析%lprun -f function_name_only function_call_with_arguments 语法细节:对 line_profiler 的调用以关键字%lprun 开始,后跟命令选项-f 命令选项之后是函数名,然后是函数调用在本练习中,我们将定义一个接受高度(以米为单位)和重量(以磅为单位)列表的函数,并将其分别转换为厘米和千克。#### 定义函数 def conversion(ht_mtrs, wt_lbs ):    ht_cms = [ht*100 for ht in ht_mtrs]    wt_kgs = [wt*.4535 for wt in wt_lbs]
#### 定义高度和重量列表:ht = [5,5,4,7,6]wt = [108, 120, 110, 98]
#### 使用 line_profiler 分析函数%lprun -f conversion conversion(ht,wt)
---------------------------------------------------------------#### 输出 Total time: 1.46e-05 s
File: <ipython-input-13-41e195af43a9>
Function: conversion at line 2
Line #      Hits         Time  Per Hit   % Time  Line Contents==============================================================     2       1        105.0    105.0     71.9      ht_cms = [ht*100 for ht in ht_mtrs]     3       1         41.0     41.0     28.1      wt_kgs = [wt*.4535 for wt in wt_lbs]输出详细信息:以 14.6 微秒为单位(参考第一行输出)生成的表有 6 列:第 1 列(行#)—代码的行号(请注意,第#1 行是故意从输出中省略的,因为它只是函数定义语句)第 2 列(命中)—调用该行的次数第 3 列(时间)—在代码行上花费的时间单位数(每个时间单位为 14.6 微秒)第 4 列(每次命中平均时间)—第 3 列除以第 2 列第 5 列(%Time)—在所花费的总时间中,花在特定代码行上的时间百分比是多少第 6 列(内容)—代码行的内容你可以清楚地看到,高度从米到厘米的转换几乎占了总时间的 72%。结束语利用每一行代码的执行时间,我们可以部署策略来提高代码的效率。