详细内容或原文请订阅后点击阅览
认为您的 Python 代码很慢？停止猜测并开始测量
使用 cProfile + SnakeViz 查找（并修复）代码中的“热门”路径的实践之旅。文章认为您的 Python 代码很慢？ 《停止猜测并开始测量》首先出现在《迈向数据科学》上。
来源:走向数据科学前几天我正在写一个剧本，这让我抓狂。当然，它确实有效，但只是……很慢。真的很慢。我有一种感觉，如果我能找出阻碍所在，事情会快得多。
我的第一个想法是开始调整一些东西。我可以优化数据加载。或者重写 for 循环？但我阻止了自己。我以前也曾陷入过这个陷阱，花了几个小时“优化”一段代码，却发现它对整体运行时间几乎没有任何影响。 Donald Knuth 说得有道理，“过早的优化是万恶之源。”
我决定采取更有条理的方法。我不是去猜测，而是去确定。我需要对代码进行分析，以准确获取哪些函数消耗了大部分时钟周期的硬数据。
在本文中，我将引导您完成我使用的确切过程。我们将采用一个故意变慢的 Python 脚本，并使用两个出色的工具以外科手术般的精确度查明其瓶颈。
第一个工具称为 cProfile，它是 Python 中内置的功能强大的分析器。另一个称为snakeviz，这是一个出色的工具，可以将分析器的输出转换为交互式可视化地图。
设置开发环境
在开始编码之前，让我们先设置一下开发环境。最佳实践是创建一个单独的 Python 环境，您可以在其中安装任何必要的软件和实验，并知道您所做的任何事情都不会影响系统的其余部分。我将使用 conda 来实现此目的，但您可以使用您熟悉的任何方法。
#创建我们的测试环境
conda create -n profiling_lab python=3.11 -y
# 现在激活它conda 激活 profiling_lab现在我们已经设置了环境，我们需要为可视化安装 Snakeviz 并为示例脚本安装 numpy。 cProfile 已经包含在 Python 中，因此无需再做任何事情。由于我们将使用 Jupyter Notebook 运行脚本，因此我们还将安装它。这是输出。