रनटाइम के लिए कोड प्रोफाइलिंग

Efficient Python Code लिखना

Logan Thomas

Scientific Software Technical Trainer, Enthought

कोड प्रोफाइलिंग

फंक्शन कॉल की आवृत्ति और अवधि के विस्तृत आँकड़े
लाइन-दर-लाइन विश्लेषण
उपयोग किया पैकेज: line_profiler

pip install line_profiler

कोड प्रोफाइलिंग: रनटाइम

heroes = ['Batman', 'Superman', 'Wonder Woman']

hts = np.array([188.0, 191.0, 183.0])

wts = np.array([ 95.0, 101.0,  74.0])

def convert_units(heroes, heights, weights):

    new_hts = [ht * 0.39370  for ht in heights]
    new_wts = [wt * 2.20462  for wt in weights]

    hero_data = {}

    for i,hero in enumerate(heroes):
        hero_data[hero] = (new_hts[i], new_wts[i])

    return hero_data

convert_units(heroes, hts, wts)

{'Batman': (74.0156, 209.4389),
 'Superman': (75.1967, 222.6666),
 'Wonder Woman': (72.0471, 163.1419)}

कोड प्रोफाइलिंग: रनटाइम

%timeit convert_units(heroes, hts, wts)

3 µs ± 32 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit new_hts = [ht * 0.39370  for ht in hts]

1.09 µs ± 11 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%timeit new_wts = [wt * 2.20462  for wt in wts]

1.08 µs ± 6.42 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%%timeit
hero_data = {}
for i,hero in enumerate(heroes):
    hero_data[hero] = (new_hts[i], new_wts[i])

634 ns ± 9.29 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

कोड प्रोफाइलिंग: line_profiler

line_profiler पैकेज का उपयोग

%load_ext line_profiler

लाइन-दर-लाइन समय के लिए मैजिक कमांड

%lprun -f

कोड प्रोफाइलिंग: line_profiler

line_profiler पैकेज का उपयोग

%load_ext line_profiler

लाइन-दर-लाइन समय के लिए मैजिक कमांड

%lprun -f convert_units

कोड प्रोफाइलिंग: line_profiler

line_profiler पैकेज का उपयोग

%load_ext line_profiler

लाइन-दर-लाइन समय के लिए मैजिक कमांड

%lprun -f convert_units convert_units(heroes, hts, wts)

%lprun आउटपुट

%lprun -f convert_units convert_units(heroes, hts, wts)

alt="मैजिक कमांड lprun का टेबलर आउटपुट जो रनटाइम प्रोफाइलिंग आँकड़े सारांशित करता है"

%lprun आउटपुट

%lprun -f convert_units convert_units(heroes, hts, wts)

alt="मैजिक कमांड lprun का टेबलर आउटपुट जो रनटाइम प्रोफाइलिंग आँकड़े सारांशित करता है, जहाँ Line # और Hits कॉलम हाइलाइट हैं"

%lprun आउटपुट

%lprun -f convert_units convert_units(heroes, hts, wts)

alt="मैजिक कमांड lprun का टेबलर आउटपुट जो रनटाइम प्रोफाइलिंग आँकड़े सारांशित करता है, जहाँ Time कॉलम हाइलाइट है"

%lprun आउटपुट

%lprun -f convert_units convert_units(heroes, hts, wts)

alt="मैजिक कमांड lprun का टेबलर आउटपुट जो रनटाइम प्रोफाइलिंग आँकड़े सारांशित करता है, जहाँ पहली पंक्ति की Time unit हाइलाइट है"

%lprun आउटपुट

%lprun -f convert_units convert_units(heroes, hts, wts)

alt="मैजिक कमांड lprun का टेबलर आउटपुट जो रनटाइम प्रोफाइलिंग आँकड़े सारांशित करता है, जहाँ तीसरी पंक्ति हाइलाइट है"

%lprun आउटपुट

%lprun -f convert_units convert_units(heroes, hts, wts)

alt="मैजिक कमांड lprun का टेबलर आउटपुट जो रनटाइम प्रोफाइलिंग आँकड़े सारांशित करता है, जहाँ Per Hit कॉलम हाइलाइट है"

%lprun आउटपुट

%lprun -f convert_units convert_units(heroes, hts, wts)

Magic command lprun tabular output summarizing runtime profiling statistics with line nine highlighted

%lprun आउटपुट

%lprun -f convert_units convert_units(heroes, hts, wts)

alt="मैजिक कमांड lprun का टेबलर आउटपुट जो रनटाइम प्रोफाइलिंग आँकड़े सारांशित करता है, जहाँ % Time कॉलम हाइलाइट है"

%lprun आउटपुट

%lprun -f convert_units convert_units(heroes, hts, wts)

alt="मैजिक कमांड lprun का टेबलर आउटपुट जो रनटाइम प्रोफाइलिंग आँकड़े सारांशित करता है, जहाँ Line Contents कॉलम हाइलाइट है"

%timeit convert_units convert_units(heroes, hts, wts)

3 µs ± 32 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%lprun -f convert_units convert_units(heroes, hts, wts)

alt="मैजिक कमांड lprun का टेबलर आउटपुट जो रनटाइम प्रोफाइलिंग आँकड़े सारांशित करता है, जहाँ दूसरी पंक्ति का Total time हाइलाइट है"

अपने नए प्रोफाइलिंग स्किल्स का अभ्यास करें!

Efficient Python Code लिखना