如何分析在函数内部调用的对象的方法？我在 jupyter notebook 中使用 %lprun 魔法。请参阅以下 ex.py 示例文件:
class foo():
def __init__(self, a=0, n=1):
self.a=a
self.n=n
def compute(self):
result = 0
for i in range(self.n):
result += self.a
return result
def my_func():
a = 1
n = 1000
my_foo = foo(a, n)
result = my_foo.compute()
print(result)
然后，从我的 jupyter 笔记本，我可以分析 my_func:
from ex import my_func
%lprun -f my_func my_func()
但我无法分析我的compute 方法:
from ex import my_func
%lprun -f my_foo.compute my_func()
我想要的有可能吗？我必须如何在 -f 参数中填充类方法才能使其工作？
根据documentation ，“cProfile 只计算显式函数调用，而不是因为语法调用的特殊方法”，...所以它应该可以工作。
我发现的一个(可能)相关问题is here .
最佳答案
TL;DR:在 %lprun -f foo.compute my_func() 中使用 foo，不 my_foo 如您的示例所示。
鉴于当前示例，您可以这样分析您的类和方法:
%load_ext line_profiler分析调用类的函数:
%lprun -f my_func my_func()，返回:
Timer unit: 1e-06 s
Total time: 0.000363 s
File: <ipython-input-111-dedac733c95b>
Function: my_func at line 12
Line # Hits Time Per Hit % Time Line Contents
==============================================================
12 def my_func():
13 1 2.0 2.0 0.6 a = 1
14 1 1.0 1.0 0.3 n = 1000
15 1 4.0 4.0 1.1 my_foo = foo(a, n)
16 1 278.0 278.0 76.6 result = my_foo.compute()
17 1 78.0 78.0 21.5 print(result)
- 然后，经过检查，您会发现大部分时间都花在了您的方法
my_foo.compute()上。my_foo是foo类的一个实例，因此您可以进行更具体的分析器调用%lprun -f foo.compute my_func()，返回:
Timer unit: 1e-06 s
Total time: 0.001566 s
File: <ipython-input-12-e96be9cf3108>
Function: compute at line 6
Line # Hits Time Per Hit % Time Line Contents
==============================================================
6 def compute(self):
7 1 3.0 3.0 0.2 result = 0
8 1001 765.0 0.8 48.9 for i in range(self.n):
9 1000 797.0 0.8 50.9 result += self.a
10 1 1.0 1.0 0.1 return result
关于python - 如何使用 IPython %lprun 魔术函数分析类方法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/49136737/