调试和分析在Python开发中发挥着重要作用。 调试器可帮助程序员分析完整的代码。 调试器设置断点，而剖析器运行我们的代码，并给我们执行时间的详细信息。 分析器将识别程序中的瓶颈。我们将了解pdb Python调试器，cProfile模块和timeit模块来计算Python代码的执行时间。
涉及内容：
- Python调试技术
- 错误处理（异常处理）
- 调试工具
- 调试基本程序崩溃
- 分析和计时程序
- 使程序运行得更快
跟踪程序
trace_example.py
class Student:
def __init__(self, std):
self.count = std
def go(self):
for i in range(self.count):
print(i)
return
if __name__ == '__main__':
Student(5).go()
执行：
$ python3 -m trace --trace trace_example.py
--- modulename: trace_example, funcname: <module>
trace_example.py(1): class Student:
--- modulename: trace_example, funcname: Student
trace_example.py(1): class Student:
trace_example.py(2): def __init__(self, std):
trace_example.py(5): def go(self):
trace_example.py(9): if __name__ == '__main__':
trace_example.py(10): Student(5).go()
--- modulename: trace_example, funcname: __init__
trace_example.py(3): self.count = std
--- modulename: trace_example, funcname: go
trace_example.py(6): for i in range(self.count):
trace_example.py(7): print(i)
0
trace_example.py(6): for i in range(self.count):
trace_example.py(7): print(i)
1
trace_example.py(6): for i in range(self.count):
trace_example.py(7): print(i)
2
trace_example.py(6): for i in range(self.count):
trace_example.py(7): print(i)
3
trace_example.py(6): for i in range(self.count):
trace_example.py(7): print(i)
4
trace_example.py(6): for i in range(self.count):
trace_example.py(8): return
--- modulename: trace, funcname: _unsettrace
trace.py(77): sys.settrace(None)
参考资料
- 书籍:掌握Python脚本系统管理 Mastering Python Scripting for System Administrators - 2019.pdf
- 讨论qq群630011153 144081101
- 本文最新版本地址
- 本文涉及的python测试开发库 谢谢点赞！
- 本文相关海量书籍下载
- 2018最佳人工智能机器学习工具书及下载(持续更新)
分析和计时程序
分析Python程序意味着测量程序的执行时间。它衡量每个功能所花费的时间。 Python的cProfile模块用于分析Python程序。
cProfile模块
如前所述，分析意味着测量程序的执行时间。我们将使用cProfile Python模块来分析程序。
现在，我们将编写一个cprof_example.py脚本并在其中编写以下代码：
mul_value = 0
def mul_numbers( num1, num2 ):
mul_value = num1 * num2;
print ("Local Value: ", mul_value)
return mul_value
mul_numbers( 58, 77 )
print ("Global Value: ", mul_value)
执行：
$ python3 -m cProfile cprof_example.py
Local Value: 4466
Global Value: 0
6 function calls in 0.000 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 0.000 0.000 cprof_example.py:1(<module>)
1 0.000 0.000 0.000 0.000 cprof_example.py:3(mul_numbers)
1 0.000 0.000 0.000 0.000 {built-in method builtins.exec}
2 0.000 0.000 0.000 0.000 {built-in method builtins.print}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
- ncalls：调用次数
- tottime：函数花费的总时间
- percall：tottime/ncalls
- cumtime：函数及其子函数中花费的累计时间
- percall：cumtime/primitive calls
filename：lineno（function）：函数信息
使用timeit，我们可以决定我们想要测量哪些代码的性能。因此，我们可以轻松定义设置代码以及我们要单独执行测试的代码段。主代码运行100万次，这是默认时间，而设置代码只运行一次。
import timeit
prg_setup = "from math import sqrt"
prg_code = '''
def timeit_example():
list1 = []
for x in range(50):
list1.append(sqrt(x))
'''
# timeit statement
print(timeit.timeit(setup = prg_setup, stmt = prg_code, number = 10000))
执行：
$ python timeit_example.py
0.00180888175964
使程序运行得更快
有多种方法可以使Python程序运行得更快，如下所示：
- Profile代码，以便识别瓶颈
- 使用内置函数和库，因此解释器不需要执行循环
- 避免使用全局变量，因为Python在访问全局变量时非常慢
- 使用已有包
小结
在本章中，我们了解了调试和分析程序的重要性。我们了解了可用于调试的不同技术。
我们了解了pdb Python调试器以及如何处理异常。我们在分析和计时脚本时学习了如何使用Python的cProfile和timeit模块。我们还学习了如何使脚本运行得更快。
在下一章中，我们将学习Python中的单元测试。我们将学习如何创建和使用单元测试。
