通常，人们会使用两种速度来衡量某种编程语言的优劣，即：开发速度和执行速度。对于Python而言，大家往往受益的是它能够快速地编写代码，而忽略了它是否能够快速地运行，并及时完成既定的任务。因此，在出现程序运行缓慢时，我们有必要从代码层面上，找出拖慢的位置和原因，并对其进行处理。
好消息是，Python提供了许多不同用途的软件库，可方便我们对应用代码进行分析，并找出导致缓慢运行的部分。它们中，有的是只带有标准库的单行工具，有的是可以从运行程序中收集到统计信息的复杂框架。下面，我将向您介绍其中五个可以在PyPI或Python标准库中轻松获得，且能够跨平台运行的软件库。
1.Time和Timeit
有时候，您可能只想分析两个代码段从前一个结束到下一个开始运行，是需要几秒钟还是几分钟。对于这样的需求，您可能只需要一个秒表就足够了。
Python标准库带有两个可用作秒表的功能函数。其中，Time模块具有perf_counter功能。它可以调用操作系统的高精度定时器，以按需获得时间戳。其基本原理是：我们可以在目标操作开始前，调用一次time.perf_counter，然后在操作完成时，再调用一次，以获得两次的时间差。显然，这是一种非常简便易行的时间获取方式。
而Timeit模块则是会对Python代码进行实质性的审查。它的timeit.timeit功能函数会截取一个代码段，通过运行多次(默认为1百万次)，以获得执行该操作所需的平均时间。我们经常可以用它来确定在某个紧密的循环中，单一操作或函数的调用时长。例如，如果您想判定一个列表解析式(list
转载请注明：http://www.0431gb208.com/sjszlff/2944.html
