#微观剖析

‘‘‘

当找到速度很慢函数时，有时还需要做到测试某个部分函数剖析工作，这需要通过手动对一部分代码速度测试完成

‘‘‘

"""

import tempfile,os,pstats,cProfile

def p1(column=‘time‘,list1=5):

    def _p1(function):

        def __p1(*a,**k):

            s=tempfile.mktemp()

            p2=cProfile.Profile()

            p2.runcall(function,*a,**k)

            p2.dump_stats(s)

            p=pstats.Stats(s)

            p.sort_stats(column).print_stats(list1)

        return __p1

    return _p1

"""

import c

@c.p1()

def main1():

    return c.p1()

main1()

"""

这种方法能够对应应用程序各部分进行测试， 使统计输出更加精确

但是这个阶段，被调用都的列表可能不太谁人有兴趣，因为函数已经被做为需要优化的部分，唯一令人有兴趣的是它让更快，然后改进它

timeit更行使这一需要，提供了一个简单的试题小型代码片断执行时间方法，它将宿主系统提供了的底层定时器(time.time或者time.clock),如下:

"""

import timeit

t=timeit.Timer(‘main()‘)

t.timeit(number=5)

"""

这个模块允许重复调用，适用于对忆隔离代码片断进行测试，在这 应用程序上下文之外非常有用

确定性剖析程序提供的结果依赖于运行它的电脑，因此每次生成结果都不一样，重复相同测试并且取其平均值能提供更精确的结果，而且有些电脑提供了特殊的cpu特性

，如speedsted，如果电脑在测试启动时处于闲置状态，也会改变结果，所以对于小的代码片断持续重复测试是一种良好的习惯

另外，不要忘记有各种缓存，如nds或cpu缓存.

"""

#另一种方法：装饰器

import time,sys

if sys.platform==‘win32‘:

    timer=time.clock

else:

    timer=time.time

s={}

def d(name=‘start‘,start=s):

    def _d(f):

        def __d(*a,**k):

            s1=timer()

            try:

                return f(*a,**k)

            finally:

                s1[name]=timer()-s1

        return __d

    return _d

#h1=d(‘this_func_is‘)(heavy)

#h1()

#print s[‘this_func_is‘]

python高级编程（第12章：优化学习）3