如何使用line_profiler（来自罗伯特·科恩）？
我尝试使用line_profiler这个模块来获取Python文件的逐行性能分析。这是我到目前为止所做的：
1) 我通过使用.exe文件从pypi安装了line_profiler（我在使用WinXP和Win7）。安装过程就像点击下一步一样简单。
2) 我写了一小段代码（类似于在另一个回答中提到的内容这里）。
from line_profiler import LineProfiler
def do_stuff(numbers):
print numbers
numbers = 2
profile = LineProfiler(do_stuff(numbers))
profile.print_stats()
3) 我从IDLE/PyScripter运行了这段代码。结果我只得到了运行时间。
Timer unit: 4.17188e-10 s
我该如何获取我执行代码的完整逐行分析呢？我从来没有使用过像装饰器这样的高级Python特性，所以我很难理解如何使用一些帖子中提供的指导，比如这里和这里的内容。
6 个回答
如果你在使用PyCharm这个编程工具，可以看看这个链接：https://plugins.jetbrains.com/plugin/16536-line-profiler
这是我制作的一个插件，它可以让你在PyCharm编辑器中加载和查看行分析器的结果。
加载 line_profiler 和 numpy
%load_ext line_profiler
import numpy as np
定义一个示例函数：
def take_sqr(array):
sqr_ar = [np.sqrt(x) for x in array]
return sqr_ar
使用 line_profiler 来计算时间，方法如下：
%lprun -f take_sqr take_sqr([1,2,3])
输出结果看起来像这样：
Timer unit: 1e-06 s
Total time: 6e-05 s File: <ipython-input-5-e50c1b05a473> Function:
take_sqr at line 1
Line # Hits Time Per Hit % Time Line Contents
==============================================================
1 def take_sqr(array):
2 4 59.0 14.8 98.3 sqr_ar = [np.sqrt(x) for x in array]
3 1 1.0 1.0 1.7 return sqr_ar
我找到了一种很好的方法来使用 line_profiler，通过装饰器，也就是 @profile，这个方法对我很有效：
def profile(func):
from functools import wraps
@wraps(func)
def wrapper(*args, **kwargs):
from line_profiler import LineProfiler
prof = LineProfiler()
try:
return prof(func)(*args, **kwargs)
finally:
prof.print_stats()
return wrapper
感谢： pavelpatrin
这个回答是我在这里给出的，讲的是如何在Python脚本中获取line_profiler的统计信息（不需要在命令行使用kernprof，也不需要在函数和类方法上加@profile装饰器）。我看到的关于类似line_profiler的问题的回答，基本上都是在讲怎么用kernprof。
在line_profiler的测试案例中（可以在GitHub找到），有一个示例展示了如何在Python脚本中生成性能分析数据。你需要把想要分析的函数包裹起来，然后调用这个包裹的函数，并传入你想要的参数。
from line_profiler import LineProfiler
import random
def do_stuff(numbers):
s = sum(numbers)
l = [numbers[i]/43 for i in range(len(numbers))]
m = ['hello'+str(numbers[i]) for i in range(len(numbers))]
numbers = [random.randint(1,100) for i in range(1000)]
lp = LineProfiler()
lp_wrapper = lp(do_stuff)
lp_wrapper(numbers)
lp.print_stats()
输出：
Timer unit: 1e-06 s
Total time: 0.000649 s
File: <ipython-input-2-2e060b054fea>
Function: do_stuff at line 4
Line # Hits Time Per Hit % Time Line Contents
==============================================================
4 def do_stuff(numbers):
5 1 10 10.0 1.5 s = sum(numbers)
6 1 186 186.0 28.7 l = [numbers[i]/43 for i in range(len(numbers))]
7 1 453 453.0 69.8 m = ['hello'+str(numbers[i]) for i in range(len(numbers))]
添加额外的函数进行分析
此外，你还可以添加其他函数进行分析。例如，如果你有一个第二个被调用的函数，而你只包裹了调用的函数，那么你只会看到调用函数的分析结果。
from line_profiler import LineProfiler
import random
def do_other_stuff(numbers):
s = sum(numbers)
def do_stuff(numbers):
do_other_stuff(numbers)
l = [numbers[i]/43 for i in range(len(numbers))]
m = ['hello'+str(numbers[i]) for i in range(len(numbers))]
numbers = [random.randint(1,100) for i in range(1000)]
lp = LineProfiler()
lp_wrapper = lp(do_stuff)
lp_wrapper(numbers)
lp.print_stats()
上面的代码只会为调用函数生成以下的分析输出：
Timer unit: 1e-06 s
Total time: 0.000773 s
File: <ipython-input-3-ec0394d0a501>
Function: do_stuff at line 7
Line # Hits Time Per Hit % Time Line Contents
==============================================================
7 def do_stuff(numbers):
8 1 11 11.0 1.4 do_other_stuff(numbers)
9 1 236 236.0 30.5 l = [numbers[i]/43 for i in range(len(numbers))]
10 1 526 526.0 68.0 m = ['hello'+str(numbers[i]) for i in range(len(numbers))]
在这种情况下，你可以像这样添加额外的被调用函数进行分析：
from line_profiler import LineProfiler
import random
def do_other_stuff(numbers):
s = sum(numbers)
def do_stuff(numbers):
do_other_stuff(numbers)
l = [numbers[i]/43 for i in range(len(numbers))]
m = ['hello'+str(numbers[i]) for i in range(len(numbers))]
numbers = [random.randint(1,100) for i in range(1000)]
lp = LineProfiler()
lp.add_function(do_other_stuff) # add additional function to profile
lp_wrapper = lp(do_stuff)
lp_wrapper(numbers)
lp.print_stats()
输出：
Timer unit: 1e-06 s
Total time: 9e-06 s
File: <ipython-input-4-dae73707787c>
Function: do_other_stuff at line 4
Line # Hits Time Per Hit % Time Line Contents
==============================================================
4 def do_other_stuff(numbers):
5 1 9 9.0 100.0 s = sum(numbers)
Total time: 0.000694 s
File: <ipython-input-4-dae73707787c>
Function: do_stuff at line 7
Line # Hits Time Per Hit % Time Line Contents
==============================================================
7 def do_stuff(numbers):
8 1 12 12.0 1.7 do_other_stuff(numbers)
9 1 208 208.0 30.0 l = [numbers[i]/43 for i in range(len(numbers))]
10 1 474 474.0 68.3 m = ['hello'+str(numbers[i]) for i in range(len(numbers))]
注意：以这种方式添加函数进行分析，不需要对被分析的代码进行任何修改（也就是说，不需要添加@profile装饰器）。
只需按照Dan Riti在第一个链接中的示例，但用你自己的代码。安装好line_profiler模块后，你只需在每个想要逐行分析的函数前面加上@profile这个装饰器，并确保这些函数在代码的其他地方至少被调用一次。对于你简单的示例代码，可能看起来像这样：
example.py文件：
@profile
def do_stuff(numbers):
print numbers
numbers = 2
do_stuff(numbers)
完成这些后，通过在你的C:\Python27\Scripts目录中安装的kernprof.py✶来运行你的脚本。以下是你在Windows 7命令行中运行时（其实不太有趣）的实际输出：
> python "C:\Python27\Scripts\kernprof.py" -l -v example.py
2
Wrote profile results to example.py.lprof
Timer unit: 3.2079e-07 s
File: example.py
Function: do_stuff at line 2
Total time: 0.00185256 s
Line # Hits Time Per Hit % Time Line Contents
==============================================================
1 @profile
2 def do_stuff(numbers):
3 1 5775 5775.0 100.0 print numbers
你可能需要调整最后一步——用kernprof.py来运行你的测试脚本，而不是直接用Python解释器——以便在IDLE或PyScripter中实现相同的效果。
✶更新
看起来在line_profiler v1.0中，kernprof工具现在是作为可执行文件分发的，而不是我之前写的那种.py脚本文件。这意味着现在需要用以下方式从命令行调用它：
> "C:\Python27\Scripts\kernprof.exe" -l -v example.py