如何剖析循环中带参数的类方法compute的执行性能？

你遇到的问题其实分两部分：一是手动实现的耗时统计代码效率极低，二是cProfile的用法有误，导致无法捕获compute方法内部的执行细节。下面一步步帮你解决：

一、修正平均耗时统计的代码 #

你原来的代码慢到离谱的核心原因是n = int(10e8)——10亿次循环+一个10亿元素的numpy数组，这完全超出了常规内存的承受范围（一个float64数组就要占8GB内存），光是数组分配和循环开销就会拖垮程序。

改用Python内置的timeit模块自带的统计逻辑，它会自动处理重复执行、忽略额外开销，用法更高效：

from timeit import timeit
foo = Foo()

# 执行1000次compute（次数可根据方法耗时调整），计算平均耗时
# 用lambda传递带参数的compute调用，避免字符串解析的麻烦
average_time = timeit(lambda: foo.compute(0), number=1000) / 1000
print(f"单次compute平均耗时: {average_time:.6f} 秒")

二、正确用cProfile剖析compute内部细节 #

你原来的cProfile.run(foo.compute(i))是错误的：foo.compute(i)会立即执行方法，把返回值传给run，而run需要的是待执行的代码（字符串或可调用对象），相当于你只是让cProfile剖析了一个空操作，自然看不到compute内部的逻辑。

下面是两种正确的用法：

方法1：把循环封装成函数，剖析整个执行流程 #

这是最常用的方式，能统计所有compute调用的累计耗时，以及内部每个函数的开销占比：

import cProfile

foo = Foo()
n = 1000  # 改成合理的循环次数，比如1000次

def run_computations():
    for i in range(n):
        foo.compute(i)

# 执行并剖析，按累计耗时排序（能快速看到最耗时的环节）
cProfile.run('run_computations()', sort='cumulative')

执行后你会看到类似这样的输出，其中compute方法内部调用的所有函数的耗时、调用次数都会被统计出来：

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
    1000    0.002    0.000    5.231    0.005 foo.py:10(compute)
    2000    3.121    0.002    3.121    0.002 numpy/core/array.py:123(some_numpy_func)
    ...

方法2：用Profile上下文管理器，精准控制剖析范围 #

如果你想更灵活地控制何时开始/停止剖析（比如只剖析特定几次compute调用），可以用cProfile.Profile的上下文管理器：

import cProfile

foo = Foo()
n = 1000

# 初始化剖析器
profiler = cProfile.Profile()
profiler.enable()  # 开始剖析

for i in range(n):
    foo.compute(i)

profiler.disable()  # 停止剖析

# 打印统计结果，按累计耗时排序
profiler.print_stats(sort='cumulative')
# 也可以保存到文件，后续用pstats模块深入分析
profiler.dump_stats('compute_profile.stats')

如果想分析保存的stats文件，可以用pstats：

import pstats

stats = pstats.Stats('compute_profile.stats')
stats.sort_stats('cumulative')  # 按累计耗时排序
stats.print_stats()  # 打印全部统计
stats.print_callers('compute')  # 只查看compute的调用链

方法3：剖析单次compute调用 #

如果你想查看某一次特定参数下compute的执行细节，可以用runctx传递变量上下文：

import cProfile

foo = Foo()
# 剖析i=42时的compute调用
cProfile.runctx('foo.compute(42)', globals(), locals(), sort='cumulative')

内容的提问来源于stack exchange，提问作者user8087992