Python代码运行耗时检测与列表分段遍历实现方案咨询

def foo(a):
    for i in range(len(a)):
        do something
        return a

def main():
    while len(a) > 1:
        n = int(a[0])
        print(foo((a[:n+1])))
        a = a[n+1:]

问题1：如何计算代码运行耗时，定位效率低下的部分 #

• 粗粒度整体耗时统计：用Python内置的time.perf_counter()，精度高于time.time()，适合统计代码段运行时间，用法示例：

  import time
  start = time.perf_counter()
  main() # 要运行的目标代码
  end = time.perf_counter()
  print(f"总运行耗时：{end - start:.4f}秒")
  

• 函数级性能定位：用标准库自带的cProfile，可以统计每个函数的调用次数、累计耗时、单次调用耗时，直接在命令行执行即可：

  python -m cProfile -s cumulative your_script_name.py
  

  输出结果会按累计耗时排序，很容易找到占用时间最多的函数。
• 行级细粒度定位：如果需要定位到具体哪行代码慢，可以用第三方库line_profiler，先给要分析的函数加@profile装饰器，再运行命令就能看到函数内每一行的运行耗时、占比：

  kernprof -l -v your_script_name.py
  

提示：你当前贴的foo函数里，循环第一次执行就会return，如果是占位的do something逻辑没写全，实际场景下如果这块是计算密集操作，大概率是性能瓶颈

问题2：切片不是唯一实现方式，还有几种更灵活、甚至性能更好的方案 #

• 方案1：索引偏移访问（最优，零额外开销）
  不需要生成新的切片列表，直接维护遍历的起始索引，把起始、结束位置传给foo函数，直接操作原列表的对应索引范围，完全避免切片的拷贝开销，大列表场景下性能优势非常明显，改造示例：

  def foo(a, start, end):
      for i in range(start, end):
          # 原有逻辑不变，用a[i]访问元素即可
          pass
      return a[start:end] # 仅需要返回对应段时才切片，不需要可以省略
  
  def main(a):
      start = 0
      while start < len(a) - 1:
          n = int(a[start])
          end = start + n + 1
          print(foo(a, start, end))
          start = end
  

• 方案2：迭代器遍历
  把列表转成迭代器，按需求逐个取元素，不需要手动维护索引，也不会生成额外的切片副本：

  def main(a):
      iter_a = iter(a)
      while True:
          try:
              n = int(next(iter_a))
              segment = [n] + [next(iter_a) for _ in range(n)]
              print(foo(segment))
          except StopIteration:
              break
  

• 方案3：memoryview（仅适用于字节类序列）
  如果操作的是bytes、bytearray这类二进制序列，可以用memoryview实现零拷贝的子序列访问，不需要像切片一样生成新的字节对象，性能更高。

内容的提问来源于stack exchange，提问作者lunalilac