Библиотека питониста: Python Django Flask

Python профилировка: где теряется время в коде Код работает медленно, но непонятно где. Вместо того чтобы гадать — есть инструменты. Шпаргалка по всем основным. ⏱ Быстрый замер — time import time start = time.perf_counter() my_function() print(f"{time.perf_counter() - start:.4f}s") Для грубой оценки. perf_counter() точнее чем time() 🔬 Точное сравнение — timeit import timeit timeit.timeit("[x**2 for x in range(1000)]", number=10000) # В Jupyter: %timeit my_function() 🔍 Где тормозит — cProfile import cProfile cProfile.run("my_function()") # Сохранить для анализа: cProfile.run("my_function()", "output.prof") # В Jupyter: %prun my_function() Смотреть на tottime (время только в функции) и cumtime (с учётом вызовов внутри) 📋 Какая строка тормозит — line_profiler # pip install line_profiler @profile def my_function(): ... kernprof -l -v script.py # В Jupyter: %load_ext line_profiler %lprun -f my_function my_function() 💾 Память — memory_profiler # pip install memory_profiler @profile def my_function(): ... python -m memory_profiler script.py # В Jupyter: %load_ext memory_profiler %memit my_function() 📊 Визуализация — snakeviz # pip install snakeviz snakeviz output.prof # Откроет браузер с интерактивной диаграммой ✅ Когда что использовать — Где тормозит? → cProfile + snakeviz — Какая строка? → line_profiler — A быстрее B? → timeit — Память утекает? → memory_profiler