如何对Python解释器执行过程做时序统计与性能分析？

• Python内置导入耗时统计：Python 3.7及以上版本自带导入耗时分析能力，执行脚本时添加-X importtime参数即可：python -X importtime 你的脚本路径.py，运行后会输出所有模块的导入耗时、父子依赖关系，可直接定位是哪个模块导入占用了大量时间。如果需要更直观的可视化结果，可以将输出结果导入对应的分析工具生成导入耗时火焰图。
• 全流程采样剖析：使用py-spy这类非侵入式的采样剖析工具，不需要修改任何代码，直接关联目标Python进程即可统计从解释器启动、模块导入到脚本执行全阶段的耗时分布，还可以导出整个调用链的火焰图，精准定位耗时占比最高的环节。
• 全代码累积耗时统计：使用Python内置的cProfile模块可以统计所有函数调用的累积耗时，执行命令为python -m cProfile -s cumulative 你的脚本路径.py，输出结果会按累积耗时从高到低排序，可看到所有执行环节的耗时占比。

如果定位后确认耗时主要集中在模块导入阶段（绝大多数Python进程启动慢的问题都来源于此），可以采用以下手段优化：

• 延迟导入：将非启动必需的模块从脚本顶部移到实际使用的函数内部导入，避免启动阶段一次性加载所有依赖。比如matplotlib的绘图相关模块，仅在需要生成绘图的逻辑中导入即可。
• 固定matplotlib后端：在导入matplotlib前手动指定适配GTK的后端，避免matplotlib自动检测后端的耗时，示例代码如下：

import matplotlib
matplotlib.use('GTK3Agg') # 按你实际使用的GTK版本选择对应的后端
import matplotlib.pyplot as plt

• 预编译字节码：提前将所有依赖的Python模块编译为字节码，避免每次启动时重复解析编译源码，可使用命令python -m compileall 你的项目目录完成预编译。如果是PyInstaller打包场景，可在打包时排除无关的依赖模块，减少加载体积与耗时。
• 进程预启动：如果你的GTK程序会多次启动Python绘图进程，可以提前启动一个Python进程池常驻后台，需要绘图时直接给常驻进程发任务即可，完全省去解释器启动与模块导入的耗时。

内容的提问来源于stack exchange，提问作者Leigh K