Python 中如何做性能分析（Profile）？

用内置的 cProfile 模块：python -m cProfile myscript.py 就能输出每个函数的调用次数和耗时，找出性能瓶颈。需要逐行分析用第三方库 line_profiler。

方法一：命令行运行

python -m cProfile myscript.py

输出包含以下列（具体数值来自实际运行，不把示意数字视为实测）：

ncalls  tottime  percall  cumtime  percall filename:lineno(function)

两个 percall 分别是 tottime/调用次数与 cumtime/原始调用次数；递归场景需结合 ncalls 解释。

• ncalls：调用次数
• tottime：该函数自身耗时（不含子调用）
• cumtime：累计耗时（含子调用）

方法二：代码中调用

import cProfile

def my_function():
    return sum(range(100000))

cProfile.run('my_function()')

方法三：保存结果后用 pstats 排序

import cProfile
import pstats

def my_function():
    return sum(range(100000))

cProfile.run('my_function()', 'profile_stats')

p = pstats.Stats('profile_stats')
p.sort_stats('cumulative').print_stats(20)   # 按累计耗时排前 20
p.sort_stats('time').print_stats(20)         # 按自身耗时排前 20

逐行分析：line_profiler

pip install line_profiler

在要分析的函数上加 @profile 装饰器，然后：

kernprof -l -v myscript.py

常见问题（FAQ）

Q：cProfile 会影响程序性能吗？
A：会。cProfile 会在函数调用等事件上记录统计信息，开销随函数调用模式和负载变化，不能用固定 10%-30% 概括。通常先在开发和测试环境使用；若用于生产诊断，应限定采集范围并评估开销。

Q：cProfile 和 timeit 有什么区别？
A：cProfile 用于定位哪里慢（哪些函数耗时多），timeit 用重复运行比较小段代码的耗时。先用 cProfile 找瓶颈，再在可比环境和代表性输入下用 timeit 对比；结果仍会受系统负载和测量方式影响。

Q：如何可视化 cProfile 结果？
A：用 snakeviz 或 gprof2dot 将结果转为交互式图表，更直观。