pythonmemory_profiler庫制作器和迭代器cpu占用的時(shí)間分析

89542767 發(fā)布于2022-12-28 16:00 / 444人閱讀

　　文章內(nèi)容主要是詳細(xì)介紹了pythonmemory_profiler庫制作器和迭代器cpu占用的時(shí)間分析，文章內(nèi)容緊扣主題進(jìn)行詳盡的基本介紹，感興趣的朋友可以了解一下

　　不進(jìn)行計(jì)算時(shí)，生成器和list空間占用

　　import time
　　from memory_profiler import profile
　　profile(precision=4)
　　def list_fun():
　　start=time.time()
　　total=([i for i in range(5000000)])
　　print('iter_spend_time:',time.time()-start)
　　profile(precision=4)
　　def gent_func():
　　gent_start=time.time()
　　total=(i for i in range(5000000))
　　print('gent_spend_time:',time.time()-gent_start)
　　iter_fun()
　　gent_func()

　　顯示結(jié)果的內(nèi)涵：第一行表明已剖析編碼的號(hào)碼，第二列（Mem應(yīng)用情況）表明實(shí)行當(dāng)列后Python編譯器的內(nèi)存使用情況。第三列（增長）表明現(xiàn)階段行相較于最后一行的運(yùn)行內(nèi)存差別。最終某列（行具體內(nèi)容）打印出已講解的編碼。

　　剖析：在沒有來計(jì)算的情形下，目錄list和迭代器會(huì)占空間，但是對(duì)于制作器不容易占空間

　　當(dāng)要測(cè)算，list和制作器的耗費(fèi)時(shí)間和占用內(nèi)存

　　使用sum內(nèi)置函數(shù)，list和制作器求合10000000個(gè)數(shù)據(jù)信息，listcpu占用比較大，制作器耗費(fèi)時(shí)間大約是list的二倍

　　import time
　　from memory_profiler import profile
　　profile(precision=4)
　　def iter_fun():
　　start=time.time()
　　total=sum([i for i in range(10000000)])
　　print('iter_spend_time:',time.time()-start)
　　profile(precision=4)
　　def gent_func():
　　gent_start=time.time()
　　total=sum(i for i in range(10000000))
　　print('gent_spend_time:',time.time()-gent_start)
　　iter_fun()
　　gent_func()

　　對(duì)比分析，必要時(shí)對(duì)信息進(jìn)行迭代更新使用中，制作器方式的用時(shí)很長，但內(nèi)存使用上還是偏少，由于應(yīng)用制作器時(shí)，運(yùn)行內(nèi)存只存放每一次迭代計(jì)算的信息。查找原因時(shí)個(gè)人覺得，制作器的迭代計(jì)算環(huán)節(jié)中，在迭代更新數(shù)據(jù)與測(cè)算立即持續(xù)變換，對(duì)比與迭代器目標(biāo)中先將它們所有儲(chǔ)存在運(yùn)行內(nèi)存中（盡管占用內(nèi)存，但載入比再度迭代更新要快點(diǎn)），因而，制作器較為耗時(shí)間，但占用內(nèi)存小。

　　記錄數(shù)據(jù)循環(huán)系統(tǒng)求合500000個(gè)數(shù)據(jù)信息，迭代器和制作器循環(huán)系統(tǒng)得到時(shí)

　　匯總：基本上與此同時(shí)成功，迭代器的占用內(nèi)存比較大

　　import time
　　from memory_profiler import profile
　　itery=iter([i for i in range(5000000)])
　　gent=(i for i in range(5000000))
　　profile(precision=4)
　　def iter_fun():
　　start=time.time()
　　total=0
　　for item in itery:
　　total+=item
　　print('iter:',time.time()-start)
　　profile(precision=4)
　　def gent_func():
　　gent_start=time.time()
　　total=0
　　for item in gent:
　　total+=item
　　print('gent:',time.time()-gent_start)
　　iter_fun()
　　gent_func()
　　list，迭代器和生成器共同使用sum計(jì)算5000000個(gè)數(shù)據(jù)時(shí)間比較

　　總結(jié)：list+sum和迭代器+sum計(jì)算時(shí)長差不多，但生成器+sum計(jì)算的時(shí)長幾乎長一倍，

　　import time
　　from memory_profiler import profile
　　profile(precision=4)
　　def list_fun():
　　start=time.time()
　　print('start!!!')
　　list_data=[i for i in range(5000000)]
　　total=sum(list_data)
　　print('iter_spend_time:',time.time()-start)
　　profile(precision=4)
　　def iter_fun():
　　start=time.time()
　　total=0
　　total=sum(iter([i for i in range(5000000)]))
　　print('total:',total)
　　print('iter_spend_time:',time.time()-start)
　　profile(precision=4)
　　def gent_func():
　　gent_start=time.time()
　　total=sum(i for i in range(5000000))
　　print('total:',total)
　　print('gent_spend_time:',time.time()-gent_start)
　　list_fun()
　　iter_fun()
　　gent_func()