cProfiler输出的说明

时间:2015-05-21 01:08:09

标签: python runtime profiling

下面的两个函数执行相同的基本操作集得到一个整数的二进制repr,去掉前两个字符,用零填充然后从右边执行一个切片。

但是,loop1运行的时间是loop2的两倍。对于为什么会出现这种情况的任何见解都将非常感激。

def loop1(wires):

    pad = '0'*wires

    def _trim(m, sl):
        return m[sl:]
    def _pad(m):
        return pad+m


    for n in xrange(2**wires - 1):
        m = bin(n)
        m = _trim(m, 2)
        m = _pad(m)
        m = _trim(m, -4)



def loop2(wires):
    pad = '0'*wires
    for n in xrange(2**wires - 1):
        m = bin(n)
        m = (pad+m[2:])[-4:]



cProfile.run('loop1(24)')
cProfile.run('loop2(24)')



         67108863 function calls in 22.005 seconds

   Ordered by: standard name

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1   11.669   11.669   22.005   22.005 <module1>:78(loop1)
 33554430    3.834    0.000    3.834    0.000 <module1>:82(_trim)
 16777215    1.992    0.000    1.992    0.000 <module1>:84(_pad)
        1    0.000    0.000   22.005   22.005 <string>:1(<module>)
 16777215    4.510    0.000    4.510    0.000 {bin}
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}


         16777218 function calls in 9.482 seconds

   Ordered by: standard name

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    5.160    5.160    9.482    9.482 <module1>:96(loop2)
        1    0.000    0.000    9.482    9.482 <string>:1(<module>)
 16777215    4.322    0.000    4.322    0.000 {bin}
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}

1 个答案:

答案 0 :(得分:1)

所谓的tottime自我或排他时间,而所谓的cumtime是包容时间。

添加tottime列,得到大约46,这是cumtime的{​​{1}}。

请注意_run_inner_loop花费了大量的自我时间,超过24岁。 我怀疑这是在_run_inner_loop语句中花费的(因为这就是全部)。

如果你试试this,你可以确定下来。