python代码优化器/代码加速/代码性能分析/LineProfiler

python代码运行慢，也是服从二八定律的，也就是20%的代码运行时间占比超过80%。

在优化代码时，你可以手动使用time.time()来对每行代码进行计时，但是还是那句话：不够优雅。

那么，有没有优雅、简单、功能强大的代码性能分析器呢？

答案是有的：LineProfiler。line_profiler是Python的一个第三方库，其功能时基于函数的逐行代码分析工具。通过该库，可以对目标函数(允许分析多个函数)进行时间消耗分析，便于代码调优。

你可以使用pip来安装它，之后就可以按照官方教程来使用。

pip install line_profiler

我为了更加方便的使用LineProfiler，给它写了个装饰器，使用时只需要两行代码即可分析一个函数的详细耗时情况（完整示例代码链接：github链接）：

def performance_test(exit_flag=True):
    def func_layer(func):
        def wrapper(*args, **kwargs):
            from line_profiler import LineProfiler
            lp = LineProfiler()
            lpw = lp(func)  # function need to be analysed
            func_output = lpw(*args, **kwargs)  # the parameters of target function
            lp.print_stats()  # print analyse results
            if exit_flag:
                exit()
            return func_output
        return wrapper
    return func_layer

在需要分析的函数前面加上@performance_test(True)，之后照常运行代码即可，示例如下：

import performance_test

@performance_test()
def func_test():
    a = [i for i in range(10000)]
    b = sum(a)
    return b

然后运行就会在terminal里面打印出每行代码的耗时，清晰明了。

Hits表示调用了几次；Time表示该行总耗时，单位是微秒；Per Hit就是该行单次耗时；%Time就是时间占比，一般看这个时间占比来查看哪句话需要优化。

Timer unit: 1e-06 s

Total time: 0.001297 s
File: /home/longer/Nutstore Files/Longer/working/mf/signal-screener/performance_test.py
Function: func at line 30

Line #      Hits         Time  Per Hit   % Time  Line Contents
==============================================================
    30                                           @performance_test()
    31                                           def func():
    32         1       1223.0   1223.0     94.3      a = [i for i in range(10000)]
    33         1         73.0     73.0      5.6      b = sum(a)
    34         1          1.0      1.0      0.1      return b

line_profile还有许多其他功能，可以查看官方文档。

完整示例代码链接：github链接