这3个Python实时可视化工具包来帮你了解性能瓶颈

前言

Python中的日志模块可用于跟踪代码的事件，并可用于确定代码崩溃的原因。有效地使用记录器还可以跟踪代码片段的时间复杂度。日志记录可能很有用，但它技术性太强，需要适当的实现。在本文中，我们将讨论3个这样的开源的Python库，它们可以帮助开发人员在几行代码中可视化程序的执行。

一、Pyheat

Pyheat 是一个开源的 Python 库，帮助开发人员获得代码执行的逐行时间分布。Pyheat不是以表格格式显示，而是用热图表示运行每行代码所需的时间。

Pyheat 可以使用从 PyPl 安装

pip install py-heat

引入包

from pyheat import PyHeat

用法

Pyheat可用于为Python模块的每行代码生成时间编号的热图。将Python文件的路径作为参数传递给PyHeat函数。

ph = PyHeat('merge_sort.py')
ph.create_heatmap()
ph.show_heatmap()

上面提到的代码生成了一个热图，表示 在merge_sort.py 模块中运行每一行代码所需的时间（秒）。

从上面的热图来看，虽然第17行中的循环需要花费大部分时间（7秒）来执行。热图有助于开发人员识别花费大量时间执行的代码片段，这些代码片段可能会进一步优化。

更多详情：

https://github.com/csurfer/pyheat

二、Heartrate

Heartrate 是一个开源的 Python 库，提供 Python 程序执行的实时可视化。它提供了一行一行的执行可视化，每个行的执行次数由数字决定。它在浏览器的单独窗口中显示代码的执行情况。

Heartrate 可以通过以下方式从PyPl安装：

pip install heartrate

用法

导入包（import heartrate）后，请使用heartrate.trace（browser=True）函数，该函数将打开一个浏览器窗口，显示调用trace（）的文件的可视化效果。

在执行代码时，浏览器中会弹出一个窗口，如果现在你可以按照 http://localhost：9999 观察执行的输出可视化。

每行最左边的数字表示执行特定行的次数。条形图显示了最近被点击的线条-较长的条形图表示点击次数较多，较浅的颜色表示点击次数较多。它还显示了一个活动堆栈跟踪。

更多详情：

https://github.com/alexmojaki/heartrate

三、Snoop

Snoop 是另一个可以用作调试工具的包。Snoop 帮助你识别局部变量的值并跟踪程序的执行。Snoop 主要用作一种调试工具，用于找出 Python 代码为什么没有执行你认为应该执行的操作。

所有这一切都是可能的，只需在你想要跟踪的函数之前使用 snoop 装饰器。

可以使用以下方法从 PyPl 安装 Snoop 库：

pip install snoop

用法

更多详情：

https://github.com/alexmojaki/snoop

结论

在本文中，我们介绍了3个库，它们可以用来可视化Python代码的执行。这些库帮助开发人员深入挖掘代码，发现并理解性能瓶颈，只需添加几行代码即可实现。

到此这篇关于这3个Python实时可视化工具包来帮你了解性能瓶颈的文章就介绍到这了,更多相关Python实时可视化工具包内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

赞 (0)

相关推荐

  • 详解python实现可视化的MD5、sha256哈希加密小工具

    本文主要介绍了详解python实现可视化的MD5.sha256哈希加密小工具,分享给大家,具体如下: 效果图: 刚启动的状态 输入文本.触发加密按钮后支持复制 超过十条不全量显示 代码 import hashlib import tkinter as tk #窗口控制 windowss=tk.Tk() windowss.title('Python_md5')#窗口title,并非第一行 windowss.geometry('820x550') windowss.resizable(width=T

  • python可视化 matplotlib画图使用colorbar工具自定义颜色

    python可视化 matplotlib画图使用colorbar工具自定义颜色

    python matplotlib画图使用colorbar工具自定义颜色 colorbar(draw colorbar without any mapple/plot) 自定义colorbar可以画出任何自己想要的colorbar,自由自在.不受约束,不依赖于任何已有的图(plot/mappable).这里使用的是mpl.colorbar.ColorbarBase类,而colorbar类必须依赖于已有的图. 参数可以参考下面的描述->matplotlib: class matplotlib.co

  • 关于Python可视化Dash工具之plotly基本图形示例详解

    Plotly Express是对 Plotly.py 的高级封装,内置了大量实用.现代的绘图模板,用户只需调用简单的API函数,即可快速生成漂亮的互动图表,可满足90%以上的应用场景. 本文借助Plotly Express提供的几个样例库进行散点图.折线图.饼图.柱状图.气泡图.桑基图.玫瑰环图.堆积图.二维面积图.甘特图等基本图形的实现. 代码示例 import plotly.express as px df = px.data.iris() #Index(['sepal_length', '

  • Python可视化工具如何实现动态图表

    本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理 以下文章来源于菜J学Python ,作者J哥 前言 这次呢,我想讲讲地图可视化的内容,以前我也写过用Python的内置库绘制地图,但总感觉不够美观.如何才能在短时间内制作漂亮的可视化地图呢,我觉得Python+可视化工具是不错的选择. 以下动态可视化地图就是J哥亲手绘制,展现了一段时间内广州市企事业单位在网上商城采购商品的分布及随时间的变化. 接下来,将手把手教你如何绘制这个动态

  • 分享8个非常流行的 Python 可视化工具包

    喜欢用 Python 做项目的小伙伴不免会遇到这种情况:做图表时,用哪种好看又实用的可视化工具包呢?之前文章里出现过漂亮的图表时,也总有读者在后台留言问该图表时用什么工具做的.下面,作者介绍了八种在 Python 中实现的可视化工具包,其中有些包还能用在其它语言中.快来试试你喜欢哪个? 用 Python 创建图形的方法有很多,但是哪种方法是最好的呢?当我们做可视化之前,要先明确一些关于图像目标的问题:你是想初步了解数据的分布情况?想展示时给人们留下深刻印象?也许你想给某人展示一个内在的形象,一个

  • 基于python实现可视化生成二维码工具

    环境 pip install gooey pip install MyQR 源代码 from gooey import GooeyParser,Gooey from MyQR import myqr @Gooey(encoding='utf-8',program_name='二维码生成器',program_description='生成动态.彩色.黑白二维码',language='chinese') def main(): parser = GooeyParser(description="生成

  • 这3个Python实时可视化工具包来帮你了解性能瓶颈

    这3个Python实时可视化工具包来帮你了解性能瓶颈

    前言 Python中的日志模块可用于跟踪代码的事件,并可用于确定代码崩溃的原因.有效地使用记录器还可以跟踪代码片段的时间复杂度.日志记录可能很有用,但它技术性太强,需要适当的实现.在本文中,我们将讨论3个这样的开源的Python库,它们可以帮助开发人员在几行代码中可视化程序的执行. 一.Pyheat Pyheat 是一个开源的 Python 库,帮助开发人员获得代码执行的逐行时间分布.Pyheat不是以表格格式显示,而是用热图表示运行每行代码所需的时间. Pyheat 可以使用从 PyPl 安装

  • python开发实时可视化仪表盘的示例

    python开发实时可视化仪表盘的示例

    本文示例代码已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 1 简介 这是我的系列教程「Python+Dash快速web应用开发」的第十五期,在前面的一系列教程中,我们针对Dash中的各种常用基础概念作了比较详细的介绍,如果前面的教程你有认真学习,那么相信到今天你已经有能力开发初具规模的Dash应用了. 而在Dash生态中还有一系列功能比较特殊但又非常实用的部件,今天的文章我们就来学习这些常用的「特殊部件」. 2

  • Python制作可视化报表的示例详解

    Python制作可视化报表的示例详解

    大家好,我是小F- 在数据展示中使用图表来分享自己的见解,是个非常常见的方法. 这也是Tableau.Power BI这类商业智能仪表盘持续流行的原因之一,这些工具为数据提供了精美的图形解释. 当然了,这些工具也有着不少缺点,比如不够灵活,无法让你自己创建设计. 当你对图表展示要求定制化时,编程也许就比较适合你,比如Echarts.D3.js. 今天小F给大家介绍一个用Python制作可视化报表的案例,主要是使用到Dash+Tailwindcss. 可视化报表效果如下,水果销售情况一览~ Das

  • 基于Python数据可视化利器Matplotlib,绘图入门篇,Pyplot详解

    基于Python数据可视化利器Matplotlib,绘图入门篇,Pyplot详解

    Pyplot matplotlib.pyplot是一个命令型函数集合,它可以让我们像使用MATLAB一样使用matplotlib.pyplot中的每一个函数都会对画布图像作出相应的改变,如创建画布.在画布中创建一个绘图区.在绘图区上画几条线.给图像添加文字说明等.下面我们就通过实例代码来领略一下他的魅力. import matplotlib.pyplot as plt plt.plot([1,2,3,4]) plt.ylabel('some numbers') plt.show() 上图是我们通

  • Python实时获取cmd的输出

    最近发现一个问题,一个小伙儿写的console程序不够健壮,监听SOCKET的时候容易崩,造成程序的整体奔溃,无奈他没有找到问题的解决办法,一直解决不了,可是这又是一个监控程序,还是比较要紧的,又必须想办法解决. (这是要搞死我的节奏啊....)由于个人不太懂他用的语言,只能在程序外围想办法. 环境描述: 1. 目标程序执行时会监听8080端口,TCP,并在每一次client连接后通过console输出client的IP地址. 2. 监听不是一次性完成的,而是一直监听,程序并不会退出 3. 为了

  • Python数据可视化正态分布简单分析及实现代码

    Python数据可视化正态分布简单分析及实现代码

    Python说来简单也简单,但是也不简单,尤其是再跟高数结合起来的时候... 正态分布(Normaldistribution),也称"常态分布",又名高斯分布(Gaussiandistribution),最早由A.棣莫弗在求二项分布的渐近公式中得到.C.F.高斯在研究测量误差时从另一个角度导出了它.P.S.拉普拉斯和高斯研究了它的性质.是一个在数学.物理及工程等领域都非常重要的概率分布,在统计学的许多方面有着重大的影响力. 正态曲线呈钟型,两头低,中间高,左右对称因其曲线呈钟形,因此人

  • python实时获取外部程序输出结果的方法

    如下所示: s=subprocess.Popen("ping baidu.com -t",bufsize=0,stdout=subprocess.PIPE,universal_newlines=True) while True: nextline=s.stdout.readline() print(nextline.strip()) if nextline=="" and scan.poll()!=None: break 以上这篇python实时获取外部程序输出结果

  • 对python实时得到鼠标位置的示例讲解

    如下所示: #先下载pyautogui库,pip install pyautogui import os,time import pyautogui as pag try: while True: print "Press Ctrl-C to end" x,y = pag.position() #返回鼠标的坐标 posStr="Position:"+str(x).rjust(4)+','+str(y).rjust(4) print posStr#打印坐标 time.

  • python 实时得到cpu和内存的使用情况方法

    如下所示: #先下载psutil库:pip install psutil import psutil import os,datetime,time def getMemCpu(): data = psutil.virtual_memory() total = data.total #总内存,单位为byte free = data.available #可以内存 memory = "Memory usage:%d"%(int(round(data.percent)))+"%&

随机推荐