معرفی شرکت ها
auto-profiler-2.0
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
A realtime timer for profiling a Python function or snippet.
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | auto-profiler-2.0 |
| نام | auto-profiler |
| نسخه کتابخانه | 2.0 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | modaresi mr |
| ایمیل نویسنده | modaresimr+git@gmail.com |
| آدرس صفحه اصلی | https://github.com/modaresimr/auto_profiler |
| آدرس اینترنتی | https://pypi.org/project/auto-profiler/ |
| مجوز | MIT |
# auto_profiler
A realtime timer for profiling a Python function or snippet.
## Features
- Filtering external libraries profiling.
- Filtering very short time functions-> threshold
- Allow depth: you can easily find the time consuming function
- Allow loop or multiple function call
- Allow recursive function call
- Disable it globaly by Profiler.GlobalDisable=True to save time :)
## Installation
Release version:
```bash
$ pip install auto_profiler
```
Development version:
```bash
$ pip install -e git+https://github.com/modaresimr/auto_profiler.git#egg=auto_profiler
```
Install in Jupyter
```bash
$ pip install ipytree
$ jupyter nbextension enable --py --sys-prefix ipytree
```
## Quick start
[Jupyter Notebook](example.ipynb)
### Auto profiling
More commonly, chances are that we want to measure the execution time of an entry function and all its subfunctions. In this case, it's too tedious to do it manually, and we can leverage `Profiler` to inject all the timing points for us automatically:
```python
import time # line number 1
import random
from auto_profiler import Profiler, Tree
def f1():
mysleep(.6+random.random())
def mysleep(t):
time.sleep(t)
def fact(i):
f1()
if(i==1):
return 1
return i*fact(i-1)
@Profiler()
def main():
for i in range(5):
f1()
fact(3)
if __name__ == '__main__':
main()
```
#### Example Output
##### In Jupyter
```
Time [Hits * PerHit] Function name [Called from] [function location]
-----------------------------------------------------------------------
8.974s [1 * 8.974] main [auto-profiler/profiler.py:267] [/test/t2.py:30]
├── 5.954s [5 * 1.191] f1 [/test/t2.py:34] [/test/t2.py:14]
│ └── 5.954s [5 * 1.191] mysleep [/test/t2.py:15] [/test/t2.py:17]
│ └── 5.954s [5 * 1.191] <time.sleep>
|
|
| # The rest is for the example recursive function call fact
└── 3.020s [1 * 3.020] fact [/test/t2.py:36] [/test/t2.py:20]
├── 0.849s [1 * 0.849] f1 [/test/t2.py:21] [/test/t2.py:14]
│ └── 0.849s [1 * 0.849] mysleep [/test/t2.py:15] [/test/t2.py:17]
│ └── 0.849s [1 * 0.849] <time.sleep>
└── 2.171s [1 * 2.171] fact [/test/t2.py:24] [/test/t2.py:20]
├── 1.552s [1 * 1.552] f1 [/test/t2.py:21] [/test/t2.py:14]
│ └── 1.552s [1 * 1.552] mysleep [/test/t2.py:15] [/test/t2.py:17]
└── 0.619s [1 * 0.619] fact [/test/t2.py:24] [/test/t2.py:20]
└── 0.619s [1 * 0.619] f1 [/test/t2.py:21] [/test/t2.py:14]
```
### Manual profiling
Sometimes, we only want to measure the execution time of partial snippets or a few functions, then we can inject all timing points into our code manually by leveraging `Timer`:
```python
# manual_example.py
import time
from auto_profiler import Timer, Tree
def main():
t = Timer('sleep1', parent_name='main').start()
time.sleep(1)
t.stop()
t = Timer('sleep2', parent_name='main').start()
time.sleep(1.5)
t.stop()
print(Tree(Timer.root))
if __name__ == '__main__':
main()
```
Run the example code:
```bash
$ python manual_example.py
```
and it will show you the profiling result:
```
2.503s main
├── 1.001s sleep1
└── 1.501s sleep2
```
## advanced setup
```
def show(p):
print('Time [Hits * PerHit] Function name [Called from] [Function Location]\n'+\
'-----------------------------------------------------------------------')
print(Tree(p.root, threshold=0.5))
@Profiler(depth=4, on_disable=show)
def main():
for i in range(5):
f1()
fact(3)
```
## Supported frameworks
While you can do profiling on normal Python code, as a web developer, chances are that you will usually do profiling on web service code.
Currently supported web frameworks:
- [Flask](http://flask.pocoo.org/)
## Examples
For profiling web service code (involving web requests), check out [examples](examples).
## License
[MIT](http://opensource.org/licenses/MIT)
نیازمندی
| مقدار | نام |
|---|---|
| >=1.3 | monotonic |
| >=1.10.0 | six |
| ==0.1.2 | tree-format |
| - | ipytree |
| - | numpy |
نحوه نصب
نصب پکیج whl auto-profiler-2.0:
pip install auto-profiler-2.0.whl
نصب پکیج tar.gz auto-profiler-2.0:
pip install auto-profiler-2.0.tar.gz