原帖地址http://www.cnblogs.com/feisky/archive/2011/11/12/2246727.html
python pdb調試
python -m pdb myscript.py #注意這會重啓myscript.py
可以在程序中這麼設置斷點：
import pdb; pdb.set_trace()
可以修改變量的值，但是要注意，前面加上！比如要修改final的值，應該這樣!final="newvalue"
支持的命令：
p 打印變量
n next
step 細點運行
c continue
l list
a args 打印當前函數的參數
condition bpnumber [condition]
clear/disable/enable 清除/禁用/使能斷點
q quit
python profiler性能分析
一種方法：
if __name__ == "__main__":
import profile
profile.run("foo()")
另一種命令行方法：python -m profile prof1.py
profile的統計結果分爲ncalls, tottime, percall, cumtime, percall, filename:lineno(function)等若干列：
| ncalls | 函數的被調用次數 |
| tottime | 函數總計運行時間，除去函數中調用的函數運行時間 |
| percall | 函數運行一次的平均時間，等於tottime/ncalls |
| cumtime | 函數總計運行時間，含調用的函數運行時間 |
| percall | 函數運行一次的平均時間，等於cumtime/ncalls |
| filename:lineno(function) | 函數所在的文件名，函數的行號，函數名 |
profile解 決了我們的一個需求，還有一個需求：以多種形式查看輸出，我們可以通過 profile的另一個類Stats來解決。在這裏我們需要引入一個模塊pstats，它定義了一個類Stats，Stats的構造函數接受一個參數—— 就是profile的輸出文件的文件名。Stats提供了對profile輸出結果進行排序、輸出控制等功能，如我們把前文的程序改爲如下：
|
# …略
if __name__ == "__main__":
import profile
profile.run("foo()", "prof.txt")
import pstats
p = pstats.Stats("prof.txt")
p.sort_stats("time").print_stats()
|
引入pstats之後，將profile的輸出按函數佔用的時間排序
Stats有若干個函數，這些函數組合能給我們輸出不同的profile報表，功能非常強大。下面簡單地介紹一下這些函數：
| strip_dirs() | 用以除去文件名前名的路徑信息。 |
| add(filename,[…]) | 把profile的輸出文件加入Stats實例中統計 |
| dump_stats(filename) | 把Stats的統計結果保存到文件 |
| sort_stats(key,[…]) | 最重要的一個函數，用以排序profile的輸出 |
| reverse_order() | 把Stats實例裏的數據反序重排 |
| print_stats([restriction,…]) | 把Stats報表輸出到stdout |
| print_callers([restriction,…]) |
輸出調用了指定的函數的函數的相關信息
|
| print_callees([restriction,…]) | 輸出指定的函數調用過的函數的相關信息 |
這裏最重要的函數就是sort_stats和print_stats，通過這兩個函數我們幾乎可以用適當的形式瀏覽所有的信息了，下面來詳細介紹一下。
sort_stats() 接受一個或者多個字符串參數，如”time”、”name” 等，表明要根據哪一列來排序，這相當有用，例如我們可以通過用time爲key來排序得知最消耗時間的函數，也可以通過cumtime來排序，獲知總消耗 時間最多的函數，這樣我們優化的時候就有了針對性，也就事半功倍了。sort_stats可接受的參數如下：
| ‘ncalls’ | 被調用次數 |
| ‘cumulative’ | 函數運行的總時間 |
| ‘file’ | 文件名 |
| ‘module’ | 文件名 |
| ‘pcalls’ | 簡單調用統計（兼容舊版，未統計遞歸調用） |
| ‘line’ | 行號 |
| ‘name’ | 函數名 |
| ‘nfl’ | Name/file/line |
| ‘stdname’ | 標準函數名 |
| ‘time’ | 函數內部運行時間（不計調用子函數的時間） |
另一個相當重要的函數就是print_stats——用以根據最後一次調用sort_stats之後得到的報表。
cProfile
python -m cProfile -s time test.py
如果我們某天心血來潮，想要向list裏append一個元素需要多少時間或者想知道拋出一個異常要多少時間，那使用profile就好像用牛刀殺雞了。這時候我們更好的選擇是timeit模塊。
timeit除了有非常友好的編程接口，也同樣提供了友好的命令行接口。首先來看看編程接口。timeit模塊包含一個類Timer，它的構造函數是這樣的：
class Timer( [stmt='pass' [, setup='pass' [, timer=<timer function>]]])
stmt參數是字符串形式的一個代碼段，這個代碼段將被評測運行時間；setup參數用以設置stmt的運行環境；timer可以由用戶使用自定義精度的計時函數。
timeit.Timer有三個成員函數，下面簡單介紹一下：
timeit( [number=1000000])
timeit()執行一次Timer構造函數中的setup語句之後，就重複執行number次stmt語句，然後返回總計運行消耗的時間。
repeat( [repeat=3 [, number=1000000]])
repeat()函數以number爲參數調用timeit函數repeat次，並返回總計運行消耗的時間
print_exc( [file=None])
print_exc()函數用以代替標準的tracback，原因在於print_exc()會輸出錯行的源代碼，如：
|
>>> t = timeit.Timer("t = foo()/nprint t") ß被timeit的代碼段
>>> t.timeit()
Traceback (most recent call last):
File "<pyshell#12>", line 1, in -toplevel-
t.timeit()
File "E:/Python23/lib/timeit.py", line 158, in timeit
return self.inner(it, self.timer)
File "<timeit-src>", line 6, in inner
foo() ß標準輸出是這樣的
NameError: global name 'foo' is not defined
>>> try:
t.timeit()
except:
t.print_exc()
Traceback (most recent call last):
File "<pyshell#17>", line 2, in ?
File "E:/Python23/lib/timeit.py", line 158, in timeit
return self.inner(it, self.timer)
File "<timeit-src>", line 6, in inner
t = foo() ßprint_exc()的輸出是這樣的，方便定位錯誤
NameError: global name 'foo' is not defined
|
除了可以使用timeit的編程接口外，我們也可以在命令行裏使用timeit，非常方便：
python timeit.py [-n N] [-r N] [-s S] [-t] [-c] [-h] [statement ...]
其中參數的定義如下：
-n N/--number=N
statement語句執行的次數
-r N/--repeat=N
重複多少次調用timeit()，默認爲3
-s S/--setup=S
用以設置statement執行環境的語句，默認爲”pass”
-t/--time
計時函數，除了Windows平臺外默認使用time.time()函數，
-c/--clock
計時函數，Windows平臺默認使用time.clock()函數
-v/--verbose
輸出更大精度的計時數值
-h/--help
簡單的使用幫助