pythonmemory_profiler库制作器和迭代器cpu占用的时间分析

来源: https://www.ucloud.cn/yun/128837.html 作者: 89542767 发布日期: 发布于2022-12-28 16:00

文章内容主要是详细介绍了pythonmemory_profiler库制作器和迭代器cpu占用的时间分析，文章内容紧扣主题进行详尽的基本介绍，感兴趣的朋友可以了解一下

　　不进行计算时，生成器和list空间占用

　　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()

　　显示结果的内涵：第一行表明已剖析编码的号码，第二列（Mem应用情况）表明实行当列后Python编译器的内存使用情况。第三列（增长）表明现阶段行相较于最后一行的运行内存差别。最终某列（行具体内容）打印出已讲解的编码。

　　剖析：在没有来计算的情形下，目录list和迭代器会占空间，但是对于制作器不容易占空间

　　当要测算，list和制作器的耗费时间和占用内存

　　使用sum内置函数，list和制作器求合10000000个数据信息，listcpu占用比较大，制作器耗费时间大约是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()

　　对比分析，必要时对信息进行迭代更新使用中，制作器方式的用时很长，但内存使用上还是偏少，由于应用制作器时，运行内存只存放每一次迭代计算的信息。查找原因时个人觉得，制作器的迭代计算环节中，在迭代更新数据与测算立即持续变换，对比与迭代器目标中先将它们所有储存在运行内存中（尽管占用内存，但载入比再度迭代更新要快点），因而，制作器较为耗时间，但占用内存小。

　　记录数据循环系统求合500000个数据信息，迭代器和制作器循环系统得到时

　　汇总：基本上与此同时成功，迭代器的占用内存比较大

　　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计算5000000个数据时间比较

　　总结：list+sum和迭代器+sum计算时长差不多，但生成器+sum计算的时长几乎长一倍，

　　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()

　　综上所述，这篇文章就给大家介绍到这里了，希望可以给大家带来帮助。