Python Eficaz

>>>
30003 function calls in 0.028 seconds
Ordered by: cumulative time
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 0.028 0.028 main.py:34(<lambda>)
1 0.002 0.002 0.028 0.028 main.py:10(insertion_sort)
10000 0.005 0.000 0.026 0.000 main.py:112(insert_value)
10000 0.014 0.000 0.014 0.000 {method 'insert' of 'list' objects}
10000 0.007 0.000 0.007 0.000 {built-in method bisect_left}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
Muitas vezes, ao traçar o perfil de um programa completo, descobriremos que
uma única função utilitária é responsável pela maioria do tempo de execução. A
saída-padrão do profiler dificulta o entendimento dessa situação porque não
mostra como a função utilitária é chamada pelas diferentes partes do programa.
No exemplo a seguir, a função my_utility é chamada repetidamente por duas
diferentes funções do programa:
def my_utility(a, b):
# ...
def first_func():
for _ in range(1000):
my_utility(4, 5)
def second_func():
for _ in range(10):
my_utility(1, 3)
def my_program():
for _ in range(20):
first_func()
second_func()
Ao traçar o perfil de desempenho desse código usando a saída default de
print_stats, teremos resultados estatísticos bastante confusos.
www.full-ebook.com