Python Eficaz

test = lambda: insertion_sort(data)
O Python tem dois profilers nativos, um escrito puramente em Python (profile) e
o outro que é um módulo em C (cProfile). O módulo nativo cProfile é melhor
porque causa um impacto muito ínfimo no desempenho de seu programa
enquanto está sendo analisado. A alternativa em Python puro coloca um fardo
tão grande no desempenho que pode até mesmo influenciar os resultados.
Nota
Ao traçar o perfil de um programa em Python, certifique-se de que está
medindo o desempenho apenas do código e não de sistemas externos. Esteja
atento para funções que acessem a rede ou recursos no disco. Tais funções
parecem ter grande impacto no tempo de execução do programa, mas quem é
lento de fato são os sistemas subjacentes. Se seu programa usa cache para
mascarar a latência de recursos vagarosos como esses, é também prudente
deixar o cache “encher” por alguns momentos antes de iniciar o processo de
determinação dos perfis de desempenho.
No exemplo a seguir, instanciamos um objeto Profile do módulo cProfile e
rodamos nele a função de teste usando o método runcall:
profiler = Profile()
profiler.runcall(test)
Uma vez que o teste tenha terminado, podemos extrair dados estatísticos sobre
seu desempenho usando o módulo nativo pstats, mais precisamente sua classe
Stats. Os muitos métodos de um objeto Stats permitem ajustar como selecionar e
ordenar as informações dos perfis coletados para mostrar apenas as que nos
interessam.
stats = Stats(profiler)
stats.strip_dirs()
stats.sort_stats('cumulative')
stats.print_stats()
A saída é uma tabela de informações organizada por função. A amostra de dados
é extraída somente durante o tempo de atividade do profiler, usando o método
runcall citado anteriormente.
>>>
20003 function calls in 1.812 seconds
www.full-ebook.com