我用cProfile描述了我的代码以找到瓶颈,我发现了一个特殊的代码。
我的代码结构如下:
def A1Distance(a_list):
#returns something
pr = cProfile.Profile()
pr.enable()
x = A1Distance(list_comprehension)
pr.disable()
cProfile总共运行17.554秒。总时间方面的最高功能是:
ncalls tottime percall cumtime percall filename:lineno(function)
1 9.884 9.884 17.554 17.554 Cov_Opt_Parallel.py:141(A1Distance)
如你所见,A1Distance大约需要10秒钟,并被调用一次。如果我把pr.enable()和pr.disable()INSIDE放在函数中,它的输出是相同的,但A1Distance没有10秒。因此,仅仅调用一个函数似乎需要10秒钟。对于可能是什么原因/解决方法的任何建议?
答案 0 :(得分:1)
这是你的list_comprehension
需要10秒钟。在调用函数之前,会对函数的参数进行求值,因此如果您在函数内部进行了剖析,则已经完成了昂贵的list_comprehension
。
见例如:
import time, cProfile
def func_a(a_list):
return len(a_list)
def func_b(a_list, pr):
pr.enable()
ret = len(a_list)
pr.disable()
return ret
def main():
pr = cProfile.Profile()
pr.enable()
func_a([time.sleep(x) for x in range(3)])
pr.disable()
pr.print_stats()
pr = cProfile.Profile()
func_b([time.sleep(x) for x in range(3)], pr)
pr.print_stats()
pr = cProfile.Profile()
pr.enable()
[time.sleep(x) for x in range(3)]
pr.disable()
pr.print_stats()
if __name__ == '__main__':
main()
将输出如下内容:
7 function calls in 3.006 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 0.000 0.000 tmp.py:3(func_a)
1 0.000 0.000 0.000 0.000 {len}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
1 0.000 0.000 0.000 0.000 {range}
3 3.006 1.002 3.006 1.002 {time.sleep}
2 function calls in 0.000 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 0.000 0.000 {len}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
5 function calls in 3.004 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
1 0.000 0.000 0.000 0.000 {range}
3 3.004 1.001 3.004 1.001 {time.sleep}