1. python -m cProfile myprogram.py
2. 使用import profile模块
import
profile
def profileTest():
...
if __name__ ==
"__main__":
profile.run("profileTest()")
3.ipython
%%prun
其中输出每列的具体解释如下：
ncalls：表示函数调用的次数；
tottime：表示指定函数的总的运行时间，除掉函数中调用子函数的运行时间；
percall：（第一个
percall）等于
tottime/ncalls；
cumtime：表示该函数及其所有子函数的调用运行的时间，即函数开始调用到返回的时间；
percall：（第二个
percall）即函数运行一次的平均时间，等于
cumtime/ncalls；
filename:lineno(function)：每个函数调用的具体信息；
如果需要将输出以日志的形式保存，只需要在调用的时候加入另外一个参数。如
profile.run("profileTest()","testprof")。
对于 profile 的剖析数据，如果以二进制文件的时候保存结果的时候，可以通过 pstats
模块进行文本报表分析，它支持多种形式的报表输出，是文本界面下一个较为实用的工具。使用非常简单：
import pstats
p =
pstats.Stats(‘testprof‘)
p.sort_stats("name").print_stats()
其中
sort_stats() 方法能够对剖分数据进行排序， 可以接受多个排序字段，如 sort_stats(‘name‘, ‘file‘)
将首先按照函数名称进行排序，然后再按照文件名进行排序。常见的排序字段有 calls( 被调用的次数
)，time（函数内部运行时间），cumulative（运行的总时间）等。此外 pstats 也提供了命令行交互工具，执行 python – m pstats
后可以通过 help 了解更多使用方式。
性能分析的结果以图形的方式呈现，常见的可视化工具有 Gprof2Dot，visualpytune，KCacheGrind 等。