如何使用IPython％lprun魔术函数分析类方法

Question

如何剖析在函数内部调用的对象的方法？ 我在jupyter笔记本中使用%lprun魔术。 请参阅以下ex.py示例文件：

class foo():
    def __init__(self, a=0, n=1):
                self.a=a
                self.n=n

    def compute(self):
        result = 0
        for i in range(self.n):
            result += self.a
        return result 

def my_func():
    a = 1
    n = 1000
    my_foo = foo(a, n)
    result = my_foo.compute()
    print(result)

然后，从我的jupyter笔记本中，我可以分析my_func ：

 from ex import my_func

 %lprun -f my_func my_func()

但我无法分析我的compute方法：

from ex import my_func

%lprun -f my_foo.compute my_func()

我想要的甚至有可能吗？ 我必须如何在-f参数中填充类方法才能起作用？

根据文档 ，“ cProfile仅对显式函数调用进行排序，而不是由于语法而对特殊方法进行调用”，因此它应该可以工作。

我发现的一个（也许）相关问题在这里 。

Answer 1

TL; DR：在%lprun -f foo.compute my_func()使用foo ， 而不是在您的示例中使用my_foo 。

---

给定当前示例，您可以按如下方式配置您的类和方法：

1. %load_ext line_profiler

2. %lprun -f my_func my_func()调用类的函数： %lprun -f my_func my_func() ，该%lprun -f my_func my_func()返回：

---

Timer unit: 1e-06 s

Total time: 0.000363 s
File: <ipython-input-111-dedac733c95b>
Function: my_func at line 12

Line #      Hits         Time  Per Hit   % Time  Line Contents
==============================================================
    12                                           def my_func():
    13         1          2.0      2.0      0.6      a = 1
    14         1          1.0      1.0      0.3      n = 1000
    15         1          4.0      4.0      1.1      my_foo = foo(a, n)
    16         1        278.0    278.0     76.6      result = my_foo.compute()
    17         1         78.0     78.0     21.5      print(result)

---

3. 然后，通过检查，您发现大部分时间都在方法my_foo.compute() 。 my_foo是foo类的实例，因此您可以进行进一步更具体的探查器调用%lprun -f foo.compute my_func() ，该方法返回：

---

Timer unit: 1e-06 s

Total time: 0.001566 s
File: <ipython-input-12-e96be9cf3108>
Function: compute at line 6

Line #      Hits         Time  Per Hit   % Time  Line Contents
==============================================================
     6                                               def compute(self):
     7         1          3.0      3.0      0.2          result = 0
     8      1001        765.0      0.8     48.9          for i in range(self.n):
     9      1000        797.0      0.8     50.9              result += self.a
    10         1          1.0      1.0      0.1          return result

---