Python中类实例化的行剖析方法问询（复杂继承场景）

遇到这种多层继承类的__init__剖析困境确实挺闹心的——line_profiler只显示子类super().__init__的总耗时，完全看不到背后父类链里的具体开销。下面给你几个实用的解决方案，按需选择：

方案1：动态给继承链上的所有__init__添加剖析装饰器 #

既然手动给每个父类加@profile太繁琐，我们可以写个小工具函数，自动遍历类的方法解析顺序（MRO），把链上所有的__init__都挂上剖析装饰器。这样运行kernprof时就能看到每一层父类初始化的行级耗时了。

示例代码：

from line_profiler import LineProfiler

def profile_all_inits(cls):
    # 遍历类的MRO（包括自身和所有父类）
    for base_cls in cls.__mro__:
        if hasattr(base_cls, '__init__'):
            # 给__init__方法添加剖析装饰器
            base_cls.__init__ = LineProfiler()(base_cls.__init__)
    return cls

# 使用方式：给你的子类加上这个装饰器
@profile_all_inits
class YourComplexSubclass(Parent1, Parent2):
    def __init__(self, data):
        super().__init__(data)
        self.mortgage_rate = 5.2

然后正常用kernprof运行：kernprof -l -v your_script.py，就能看到每一层__init__的行级耗时细节了。如果想限制深度，可以在遍历MRO时手动截断（比如只取前3层）。

方案2：改用cProfile做全局调用栈剖析 #

如果不需要行级的精细度，只想搞清楚继承链里哪个父类的初始化最耗时，cProfile会更省心——它能自动追踪所有函数调用，包括父类的__init__，还能灵活控制调用栈深度。

运行方式： #

python -m cProfile -o profile_stats.prof your_script.py

分析结果： #

1. 终端用pstats分析（支持限制深度）：

import pstats
stats = pstats.Stats('profile_stats.prof')
# 按累计耗时排序，只显示前20条，限制调用栈深度为3
stats.sort_stats('cumulative').print_stats(20, 3)

2. 可视化工具（如snakeviz）查看调用树：

snakeviz profile_stats.prof

可视化界面里能清晰看到super().__init__到底调用了哪些父类的__init__，以及每个方法的耗时占比，还能手动展开/折叠调用栈来控制深度。

方案3：手动指定要剖析的父类__init__ #

如果你的继承链不算特别长，也可以直接给关键父类的__init__手动加@profile装饰器。比如：

class Parent1:
    @profile
    def __init__(self, data):
        # 父类1的初始化逻辑
        pass

class Parent2(GrandParent):
    @profile
    def __init__(self, data):
        super().__init__(data)
        # 父类2的初始化逻辑
        pass

这种方式最直接，但如果父类来自第三方库没法修改源码，就不适用了，这时候方案1或2会更合适。

内容的提问来源于stack exchange，提问作者naught101