如何描述在图书馆功能中花费的时间？

Question

当我尝试描述一个课程时，我无法分解我自己的每个方法和函数所花费的时间。

例如，使用Load，我可以执行以下操作：

cProfile

我得到了这个分析：

import numpy as np
import cProfile

class Test_Class:
    def __init__(self, length, width):
        self.length = length
        self.width = width
        self.populate()
        return None

    def populate(self):
        self.array = np.random.randint(0, 3, (self.length, self.width))
        return None

    def add(self, additional_array):
        self.array = np.add(self.array, additional_array)
        return None


def Test_Function():
    x, y = 3000, 2000
    test_array = np.random.randint(0, 2, (x, y))
    model_one = Test_Class(x, y)
    model_one.add(test_array)

cProfile.run("Test_Function()")

或者，使用 9 function calls in 0.214 seconds Ordered by: standard name ncalls tottime percall cumtime percall filename:lineno(function) 1 0.002 0.002 0.214 0.214 <string>:1(<module>) 1 0.000 0.000 0.119 0.119 temp.py:11(populate) 1 0.020 0.020 0.020 0.020 temp.py:15(add) 1 0.002 0.002 0.212 0.212 temp.py:24(Test_Function) 1 0.000 0.000 0.119 0.119 temp.py:5(__init__) 1 0.000 0.000 0.214 0.214 {built-in method exec} 1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects} 2 0.190 0.095 0.190 0.095 {method 'randint' of 'mtrand.RandomState' objects} 我可以执行以下操作：

profilehooks

我得到了这个分析：

@profile(immediate=True)
def Test_Function():
    x, y = 3000, 2000
    test_array = np.random.randint(0, 2, (x, y))
    model_one = Test_Class(x, y)
    model_one.add(test_array)

Test_Function()

两种技术都不会显示在库函数中花费了多少时间。我怎样才能得到一个分析，告诉我花了多少时间，例如*** PROFILER RESULTS *** Test_Function (C:/Users/mack/Desktop/temp2.py:19) function called 1 times 7 function calls in 0.205 seconds Ordered by: cumulative time, internal time, call count ncalls tottime percall cumtime percall filename:lineno(function) 1 0.000 0.000 0.205 0.205 temp.py:19(Test_Function) 2 0.185 0.093 0.185 0.093 {method 'randint' of 'mtrand.RandomState' objects} 1 0.000 0.000 0.113 0.113 temp.py:5(__init__) 1 0.000 0.000 0.113 0.113 temp.py:11(populate) 1 0.020 0.020 0.020 0.020 temp.py:15(add) 1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects} 0 0.000 0.000 profile:0(profiler) ？