Python性能分析：cProfile与line_profiler实战指南

今天早睡

发布时间：2026-10-13| 6人浏览过

原创

本文详解Python性能分析工具cProfile与line_profiler的使用方法。通过命令行全代码分析、局部代码块嵌入以及逐行性能检测三种方式，帮助开发者快速定位性能瓶颈。文章涵盖工具安装、命令参数详解及结果解读，适用于Python代码性能优化场景。

Python性能分析工具概述

背景介绍

Python作为一种解释型语言，其执行效率相较于C或C++等编译型语言存在明显差距。为了提升程序运行速度，开发者往往需要在算法优化或调用底层语言接口等方面投入精力。

在着手优化之前，首要步骤是对现有代码进行性能剖析，以识别耗时环节。此时，借助专业的性能分析工具显得尤为必要。

本文将重点介绍Python标准库中用于性能分析的工具cProfile。

cProfile全代码分析

全代码性能分析

可以通过命令行直接对脚本进行整体分析，具体命令如下：


cProfile -s tottime your_program.py

执行上述命令后，将输出类似以下的分析结果：


ncalls tottime percall cumtime percall filename:lineno(function)
  66  0.001  0.000  11.850  0.180 base.py:228(micro_service)
  66  0.003  0.000  11.849  0.180 tools.py:557(micro_service)
 1056  0.001  0.000  11.073  0.010 connection.py:463(drain_events)
 1056  0.015  0.000  11.072  0.010 connection.py:466(blocking_read)
 1056  0.008  0.000  10.920  0.010 transport.py:233(read_frame)
 3168  0.014  0.000  10.908  0.003 transport.py:370(_read)
 3168  10.892  0.003  10.892  0.003 {method 'recv' of '_socket.socket' objects}
  66  0.001  0.000  9.814  0.149 rpc.py:350(__call__)
  66  0.001  0.000  8.395  0.127 rpc.py:329(result)

cProfile局部代码块分析

局部代码块分析

上述方法适用于对整个文件进行分析，但如果我们仅关注代码中的特定部分，可以通过在目标代码段前后嵌入特定的分析器启动与停止代码来实现局部分析：


import cProfile
cp = cProfile.Profile()
cp.enable()
YOUR CODE
cp.disable()
cp.print_stats()

其输出结果与全代码分析类似，但仅包含被包裹代码段的性能数据，从而更精准地反映关注部分的耗时情况。

line_profiler逐行性能分析

逐行性能分析

若需更精细的逐行性能数据，需安装第三方库line_profiler：


pip install line_profiler


@profile
def class_name()
	pass

安装完成后，在命令行中运行以下命令进行逐行分析：


kernprof -l -v your_code.py
-l 逐行分析
-v 立即查看结果

具体使用示例如下：


from cProfile import Profile as profile 
from pstats import Stats 
def (): 
	p = profile() 
	p.snapshot_stats() 
	p.enable() 
	
	p.disable() 
	p.print_stats(2) # 按照调用累加总耗时累加排序，即将最耗时的函数最优先
	p.dump_stats("call.log")

关于profile和cProfile的更多链接，请点击：

https://docs.python.org/3/library/profile.html?spm=5176.100239.0.0.qa5fU5

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。