在日常编写代码时，经常会遇到程序不符合预期，占用了太大内存或者执行了太长时间。

很多新手对于这类问题往往不知道如何分析，这篇文章将带领大家如何排查程序耗时的问题。

引言

本文介绍两种常见的定位程序耗时的方法。本文主要分为以下几个部分：

1、 使用timeit模块分析简短代码片段的耗时

2、 使用cProfile模块对整个程序进行耗时分析

使用timeit模块分析简短代码片段的耗时

timeit的使用方法为：

该模块会多次运行对应的代码片段，从中查找最佳性能（默认为 5次）

例如，我们来看一下下面3种实现平方根的方法，哪种更耗时。

结果如下：

可以看出，第二种实现方式是最快的。但是，numpy不是做了特殊优化，应该是它最快吗？其实，numpy要在array数组上才是最快的。我们看下面的代码。

可以看出，对比前面的第二种方式，执行速度上快了35倍。

使用cProfile模块对整个程序进行耗时分析

timeit通常用于分析比较短的程序片段，如果需要分析一个比较长程序的耗时，应该如何处理呢？这种情况，就可以使用cProfile模块了。

程序运行耗时，通常可能有两个原因：一是函数内部运行耗时；二是函数运行次数过多，加起来耗费太长时间。

我们来举个例子，以下代码为hillclimb.py，是使用爬坡算法来找模型最优超参数的方法。

可以看出，这个程序相对较长，而且也挺复杂。我们使用下面的代码对这个程序做耗时分析。

以下是输出结果：

我们看到程序中的函数 objective() 运行了 101 次，耗时 4.89 秒。但这 4.89 秒主要花在调用次数上，而花在该函数内部的总时间仅为 0.001 秒。其他函数的耗时也可以类似这样看。

通常，如果一个程序很复杂，我们可能不想要分析整个程序的耗时，而只是想看这个程序里某些部分的函数情况，这种情况用cProfile也可以实现。如下所示，是对上面程序的某些行的代码做了性能分析。

需要注意的是，cProfile无法分析像Tensorflow这类的程序，因为tf在真正执行之前，只是构建计算图，因此代码真正的运行逻辑和普通程序不同。