python函數(shù)如何測試的簡單介紹

python測試函數(shù)有哪些

測試函數(shù)是用于自動化測試，使用python模塊中的unittest中的工具來測試

網(wǎng)站建設(shè)哪家好，找成都創(chuàng)新互聯(lián)公司！專注于網(wǎng)頁設(shè)計(jì)、網(wǎng)站建設(shè)、微信開發(fā)、微信平臺小程序開發(fā)、集團(tuán)企業(yè)網(wǎng)站建設(shè)等服務(wù)項(xiàng)目。為回饋新老客戶創(chuàng)新互聯(lián)還提供了灤平免費(fèi)建站歡迎大家使用！

附上書中摘抄來的代碼：

#coding=utf-8import unittestfrom name_function import get_formatted_nameclass NamesTestCase(unittest.TestCase): def test_first_last_name(self): formatted_name=get_formatted_name('janis','joplin') self.assertEqual(formatted_name,'Janis Joplin') def test_first_last_middle_name(self): formatted_name=get_formatted_name('wolfgang','mozart','amadeus') self.assertEqual(formatted_name,'Wolfgang Amadeus Mozart')#注意下面這行代碼，不寫會報(bào)錯(cuò)哦~~~書中沒有這行if __name__=="__main__": unittest.main()

python中怎么判斷函數(shù)是否可以調(diào)用

Python: 測試函數(shù)是否被調(diào)用

# helper class defined elsewhere

class CallLogger(object):

def __init__(self, meth):

self.meth = meth

self.was_called = False

def __call__(self, code=None):

self.meth()

self.was_called = True

然后assert CallLogger的was_called為True就行了。但是這樣的Callable不是個(gè)函數(shù)：

isinstance(object, types.FunctionType) # Callable will be False

對于這種Callable獲取參數(shù)個(gè)數(shù)需要用：

inspect.getargspec(fn.__call__)

編寫測試用例的代碼時(shí),經(jīng)常會使用到函數(shù), 那么Python中函數(shù)是什么? 有什么作用? 如何使用? 使用流程如何?

函數(shù)的使用:

(1).函數(shù)是具有獨(dú)立功能的代碼塊,是一個(gè)整體(封裝了函數(shù)功能的代碼), 完成某個(gè)功能的小工具

特點(diǎn): 函數(shù)最大的特點(diǎn)是封裝

(2).作用: 提高開發(fā)效率,實(shí)現(xiàn)代碼的重用

(3).函數(shù)使用步驟:

① 定義函數(shù): 把代碼的功能封裝成一個(gè)整體

② 調(diào)用函數(shù): 享受封裝的結(jié)果

(4).函數(shù)調(diào)用流程: ☆ ☆ ☆

① 函數(shù)定義時(shí) 不會執(zhí)行函數(shù)體中代碼

② 函數(shù)調(diào)用時(shí),才會執(zhí)行函數(shù)體中代碼

③ 函數(shù)調(diào)用完成以后,一定要回到函數(shù)調(diào)用的地方繼續(xù)向下執(zhí)行

有關(guān)于軟件測試的學(xué)習(xí)知識，可以看黑馬程序員軟件測試知識，有視頻、文章、學(xué)習(xí)文檔等等！

后端編程Python3-調(diào)試、測試和性能剖析(下)

單元測試（Unit Testing）

為程序編寫測試——如果做的到位——有助于減少bug的出現(xiàn)，并可以提高我們對程序按預(yù)期目標(biāo)運(yùn)行的信心。通常，測試并不能保證正確性，因?yàn)閷Υ蠖鄶?shù)程序而言， 可能的輸入范圍以及可能的計(jì)算范圍是如此之大，只有其中最小的一部分能被實(shí)際地進(jìn) 行測試。盡管如此，通過仔細(xì)地選擇測試的方法和目標(biāo)，可以提高代碼的質(zhì)量。

大量不同類型的測試都可以進(jìn)行，比如可用性測試、功能測試以及整合測試等。這里, 我們只講單元測試一對單獨(dú)的函數(shù)、類與方法進(jìn)行測試，確保其符合預(yù)期的行為。

TDD的一個(gè)關(guān)鍵點(diǎn)是，當(dāng)我們想添加一個(gè)功能時(shí)——比如為類添加一個(gè)方法—— 我們首次為其編寫一個(gè)測試用例。當(dāng)然，測試將失敗，因?yàn)槲覀冞€沒有實(shí)際編寫該方法。現(xiàn)在，我們編寫該方法，一旦方法通過了測試，就可以返回所有測試，確保我們新添加的代碼沒有任何預(yù)期外的副作用。一旦所有測試運(yùn)行完畢（包括我們?yōu)樾鹿δ芫帉懙臏y試），就可以對我們的代碼進(jìn)行檢查，并有理有據(jù)地相信程序行為符合我們的期望——當(dāng)然，前提是我們的測試是適當(dāng)?shù)摹?/p>

比如，我們編寫了一個(gè)函數(shù)，該函數(shù)在特定的索引位置插入一個(gè)字符串，可以像下面這樣開始我們的TDD：

def insert_at（string, position, insert）:

"""Returns a copy of string with insert inserted at the position

string = "ABCDE"

result =[]

for i in range(-2, len(string) + 2):

... result.append(insert_at(string, i,“-”))

result[:5]

['ABC-DE', 'ABCD-E', '-ABCDE','A-BCDE', 'AB-CDE']

result[5:]

['ABC-DE', 'ABCD-E', 'ABCDE-', 'ABCDE-']

"""

return string

對不返回任何參數(shù)的函數(shù)或方法（通常返回None）,我們通常賦予其由pass構(gòu)成的一個(gè)suite,對那些返回值被試用的，我們或者返回一個(gè)常數(shù)（比如0）,或者某個(gè)不變的參數(shù)——這也是我們這里所做的。（在更復(fù)雜的情況下，返回fake對象可能更有用一一對這樣的類，提供mock對象的第三方模塊是可用的。）

運(yùn)行doctest時(shí)會失敗，并列出每個(gè)預(yù)期內(nèi)的字符串（'ABCD-EF'、'ABCDE-F' 等），及其實(shí)際獲取的字符串（所有的都是'ABCD-EF'）。一旦確定doctest是充分的和正確的，就可以編寫該函數(shù)的主體部分，在本例中只是簡單的return string[:position] + insert+string[position:]。（如果我們編寫的是 return string[:position] + insert,之后復(fù)制 string [:position]并將其粘貼在末尾以便減少一些輸入操作，那么doctest會立即提示錯(cuò)誤。）

Python的標(biāo)準(zhǔn)庫提供了兩個(gè)單元測試模塊，一個(gè)是doctest,這里和前面都簡單地提到過，另一個(gè)是unittest。此外，還有一些可用于Python的第三方測試工具。其中最著名的兩個(gè)是nose (code.google.com/p/python-nose)與py.test (codespeak.net/py/dist/test/test.html), nose 致力于提供比標(biāo)準(zhǔn)的unittest 模塊更廣泛的功能，同時(shí)保持與該模塊的兼容性，py.test則采用了與unittest有些不同的方法，試圖盡可能消除樣板測試代碼。這兩個(gè)第三方模塊都支持測試發(fā)現(xiàn)，因此沒必要寫一個(gè)總體的測試程序——因?yàn)槟K將自己搜索測試程序。這使得測試整個(gè)代碼樹或某一部分 (比如那些已經(jīng)起作用的模塊)變得很容易。那些對測試嚴(yán)重關(guān)切的人，在決定使用哪個(gè)測試工具之前，對這兩個(gè)(以及任何其他有吸引力的)第三方模塊進(jìn)行研究都是值 得的。

創(chuàng)建doctest是直截了當(dāng)?shù)模何覀冊谀K中編寫測試、函數(shù)、類與方法的docstrings。 對于模塊，我們簡單地在末尾添加了 3行：

if __name__ =="__main__":

import doctest

doctest.testmod()

在程序內(nèi)部使用doctest也是可能的。比如，blocks.py程序(其模塊在后面)有自己函數(shù)的doctest，但以如下代碼結(jié)尾：

if __name__== "__main__":

main()

這里簡單地調(diào)用了程序的main()函數(shù)，并且沒有執(zhí)行程序的doctest。要實(shí)驗(yàn)程序的 doctest,有兩種方法。一種是導(dǎo)入doctest模塊，之后運(yùn)行程序---比如，在控制臺中輸 入 python3 -m doctest blocks.py (在 Wndows 平臺上，使用類似于 C:Python3 lpython.exe 這樣的形式替代python3)。如果所有測試運(yùn)行良好，就沒有輸出，因此，我們可能寧愿執(zhí)行python3-m doctest blocks.py-v,因?yàn)檫@會列出每個(gè)執(zhí)行的doctest,并在最后給出結(jié)果摘要。

另一種執(zhí)行doctest的方法是使用unittest模塊創(chuàng)建單獨(dú)的測試程序。在概念上， unittest模塊是根據(jù)Java的JUnit單元測試庫進(jìn)行建模的，并用于創(chuàng)建包含測試用例的測試套件。unittest模塊可以基于doctests創(chuàng)建測試用例，而不需要知道程序或模塊包含的任何事物——只要知道其包含doctest即可。因此，為給blocks.py程序制作一個(gè)測試套件，我們可以創(chuàng)建如下的簡單程序(將其稱為test_blocks.py)：

import doctest

import unittest

import blocks

suite = unittest.TestSuite()

suite.addTest(doctest.DocTestSuite(blocks))

runner = unittest.TextTestRunner()

print(runner.run(suite))

注意，如果釆用這種方法，程序的名稱上會有一個(gè)隱含的約束：程序名必須是有效的模塊名。因此，名為convert-incidents.py的程序的測試不能寫成這樣。因?yàn)閕mport convert-incidents不是有效的，在Python標(biāo)識符中，連接符是無效的（避開這一約束是可能的，但最簡單的解決方案是使用總是有效模塊名的程序文件名，比如，使用下劃線替換連接符）。這里展示的結(jié)構(gòu)（創(chuàng)建一個(gè)測試套件，添加一個(gè)或多個(gè)測試用例或測試套件，運(yùn)行總體的測試套件，輸出結(jié)果）是典型的機(jī)遇unittest的測試。運(yùn)行時(shí)，這一特定實(shí)例產(chǎn)生如下結(jié)果：

...

.............................................................................................................

Ran 3 tests in 0.244s

OK

每次執(zhí)行一個(gè)測試用例時(shí)，都會輸出一個(gè)句點(diǎn)（因此上面的輸出最前面有3個(gè)句點(diǎn)），之后是一行連接符，再之后是測試摘要（如果有任何一個(gè)測試失敗，就會有更多的輸出信息）。

如果我們嘗試將測試分離開（典型情況下是要測試的每個(gè)程序和模塊都有一個(gè)測試用例），就不要再使用doctests,而是直接使用unittest模塊的功能——尤其是我們習(xí)慣于使用JUnit方法進(jìn)行測試時(shí)ounittest模塊會將測試分離于代碼——對大型項(xiàng)目（測試編寫人員與開發(fā)人員可能不一致）而言，這種方法特別有用。此外，unittest單元測試編寫為獨(dú)立的Python模塊，因此，不會像在docstring內(nèi)部編寫測試用例時(shí)受到兼容性和明智性的限制。

unittest模塊定義了 4個(gè)關(guān)鍵概念。測試夾具是一個(gè)用于描述創(chuàng)建測試（以及用完之后將其清理）所必需的代碼的術(shù)語，典型實(shí)例是創(chuàng)建測試所用的一個(gè)輸入文件，最后刪除輸入文件與結(jié)果輸出文件。測試套件是一組測試用例的組合。測試用例是測試的基本單元—我們很快就會看到實(shí)例。測試運(yùn)行者是執(zhí)行一個(gè)或多個(gè)測試套件的對象。

典型情況下，測試套件是通過創(chuàng)建unittest.TestCase的子類實(shí)現(xiàn)的，其中每個(gè)名稱 以“test”開頭的方法都是一個(gè)測試用例。如果我們需要完成任何創(chuàng)建操作，就可以在一個(gè)名為setUp()的方法中實(shí)現(xiàn)；類似地，對任何清理操作，也可以實(shí)現(xiàn)一個(gè)名為 tearDown()的方法。在測試內(nèi)部，有大量可供我們使用的unittest.TestCase方法，包括 assertTrue()、assertEqual()、assertAlmostEqual()（對于測試浮點(diǎn)數(shù)很有用）、assertRaises() 以及更多，還包括很多對應(yīng)的逆方法，比如assertFalse()、assertNotEqual()、failIfEqual()、 failUnlessEqual ()等。

unittest模塊進(jìn)行了很好的歸檔，并且提供了大量功能，但在這里我們只是通過一 個(gè)非常簡單的測試套件來感受一下該模塊的使用。這里將要使用的實(shí)例,該練習(xí)要求創(chuàng)建一個(gè)Atomic模塊，該模塊可以用作一 個(gè)上下文管理器，以確?；蛘咚懈淖兌紤?yīng)用于某個(gè)列表、集合或字典，或者所有改變都不應(yīng)用。作為解決方案提供的Atomic.py模塊使用30行代碼來實(shí)現(xiàn)Atomic類， 并提供了 100行左右的模塊doctest。這里，我們將創(chuàng)建test_Atomic.py模塊，并使用 unittest測試替換doctest,以便可以刪除doctest。

在編寫測試模塊之前，我們需要思考都需要哪些測試。我們需要測試3種不同的數(shù)據(jù)類型：列表、集合與字典。對于列表，需要測試的是插入項(xiàng)、刪除項(xiàng)或修改項(xiàng)的值。對于集合，我們必須測試向其中添加或刪除一個(gè)項(xiàng)。對于字典，我們必須測試的是插入一個(gè)項(xiàng)、修改一個(gè)項(xiàng)的值、刪除一個(gè)項(xiàng)。此外，還必須要測試的是在失敗的情況下，不會有任何改變實(shí)際生效。

結(jié)構(gòu)上看，測試不同數(shù)據(jù)類型實(shí)質(zhì)上是一樣的，因此，我們將只為測試列表編寫測試用例，而將其他的留作練習(xí)。test_Atomic.py模塊必須導(dǎo)入unittest模塊與要進(jìn)行測試的Atomic模塊。

創(chuàng)建unittest文件時(shí)，我們通常創(chuàng)建的是模塊而非程序。在每個(gè)模塊內(nèi)部，我們定義一個(gè)或多個(gè)unittest.TestCase子類。比如，test_Atomic.py模塊中僅一個(gè)單獨(dú)的 unittest-TestCase子類，也就是TestAtomic (稍后將對其進(jìn)行講解)，并以如下兩行結(jié)束:

if name == "__main__":

unittest.main()

這兩行使得該模塊可以單獨(dú)運(yùn)行。當(dāng)然，該模塊也可以被導(dǎo)入并從其他測試程序中運(yùn)行——如果這只是多個(gè)測試套件中的一個(gè)，這一點(diǎn)是有意義的。

如果想要從其他測試程序中運(yùn)行test_Atomic.py模塊，那么可以編寫一個(gè)與此類似的程序。我們習(xí)慣于使用unittest模塊執(zhí)行doctests,比如：

import unittest

import test_Atomic

suite = unittest.TestLoader().loadTestsFromTestCase(test_Atomic.TestAtomic)

runner = unittest.TextTestRunner()

pnnt(runner.run(suite))

這里，我們已經(jīng)創(chuàng)建了一個(gè)單獨(dú)的套件，這是通過讓unittest模塊讀取test_Atomic 模塊實(shí)現(xiàn)的，并且使用其每一個(gè)test*()方法(本實(shí)例中是test_list_success()、test_list_fail()，稍后很快就會看到)作為測試用例。

我們現(xiàn)在將查看TestAtomic類的實(shí)現(xiàn)。對通常的子類(不包括unittest.TestCase 子類)，不怎么常見的是，沒有必要實(shí)現(xiàn)初始化程序。在這一案例中，我們將需要建立 一個(gè)方法，但不需要清理方法，并且我們將實(shí)現(xiàn)兩個(gè)測試用例。

def setUp(self)：

self.original_list = list(range(10))

我們已經(jīng)使用了 unittest.TestCase.setUp()方法來創(chuàng)建單獨(dú)的測試數(shù)據(jù)片段。

def test_list_succeed(self):

items = self.original_list[:]

with Atomic.Atomic(items) as atomic:

atomic.append(1999)

atomic.insert(2, -915)

del atomic[5]

atomic[4]= -782

atomic.insert(0, -9)

self.assertEqual(items,

[-9, 0, 1, -915, 2, -782, 5, 6, 7, 8, 9, 1999])

def test_list_fail(self):

items = self.original_list[:]

with self.assertRaises(AttributeError):

with Atomic.Atomic(items) as atomic:

atomic.append(1999)

atomic.insert(2, -915)

del atomic[5]

atomic[4] = -782

atomic.poop() # Typo

self.assertListEqual(items, self.original_list)

這里，我們直接在測試方法中編寫了測試代碼，而不需要一個(gè)內(nèi)部函數(shù)，也不再使用unittest.TestCase.assertRaised()作為上下文管理器(期望代碼產(chǎn)生AttributeError)。 最后我們也使用了 Python 3.1 的 unittest.TestCase.assertListEqual()方法。

正如我們已經(jīng)看到的，Python的測試模塊易于使用，并且極為有用，在我們使用 TDD的情況下更是如此。它們還有比這里展示的要多得多的大量功能與特征——比如，跳過測試的能力，這有助于理解平臺差別——并且這些都有很好的文檔支持。缺失的一個(gè)功能——但nose與py.test提供了——是測試發(fā)現(xiàn)，盡管這一特征被期望在后續(xù)的Python版本(或許與Python 3.2—起)中出現(xiàn)。

性能剖析（Profiling）

如果程序運(yùn)行很慢，或者消耗了比預(yù)期內(nèi)要多得多的內(nèi)存，那么問題通常是選擇的算法或數(shù)據(jù)結(jié)構(gòu)不合適，或者是以低效的方式進(jìn)行實(shí)現(xiàn)。不管問題的原因是什么， 最好的方法都是準(zhǔn)確地找到問題發(fā)生的地方,而不只是檢査代碼并試圖對其進(jìn)行優(yōu)化。 隨機(jī)優(yōu)化會導(dǎo)致引入bug,或者對程序中本來對程序整體性能并沒有實(shí)際影響的部分進(jìn)行提速，而這并非解釋器耗費(fèi)大部分時(shí)間的地方。

在深入討論profiling之前，注意一些易于學(xué)習(xí)和使用的Python程序設(shè)計(jì)習(xí)慣是有意義的，并且對提高程序性能不無裨益。這些技術(shù)都不是特定于某個(gè)Python版本的， 而是合理的Python程序設(shè)計(jì)風(fēng)格。第一，在需要只讀序列時(shí)，最好使用元組而非列表； 第二，使用生成器，而不是創(chuàng)建大的元組和列表并在其上進(jìn)行迭代處理；第三，盡量使用Python內(nèi)置的數(shù)據(jù)結(jié)構(gòu) dicts、lists、tuples 而不實(shí)現(xiàn)自己的自定義結(jié)構(gòu)，因?yàn)閮?nèi)置的數(shù)據(jù)結(jié)構(gòu)都是經(jīng)過了高度優(yōu)化的；第四，從小字符串中產(chǎn)生大字符串時(shí)， 不要對小字符串進(jìn)行連接，而是在列表中累積，最后將字符串列表結(jié)合成為一個(gè)單獨(dú)的字符串；第五，也是最后一點(diǎn)，如果某個(gè)對象(包括函數(shù)或方法)需要多次使用屬性進(jìn)行訪問(比如訪問模塊中的某個(gè)函數(shù))，或從某個(gè)數(shù)據(jù)結(jié)構(gòu)中進(jìn)行訪問，那么較好的做法是創(chuàng)建并使用一個(gè)局部變量來訪問該對象，以便提供更快的訪問速度。

Python標(biāo)準(zhǔn)庫提供了兩個(gè)特別有用的模塊，可以輔助調(diào)査代碼的性能問題。一個(gè)是timeit模塊——該模塊可用于對一小段Python代碼進(jìn)行計(jì)時(shí)，并可用于諸如對兩個(gè)或多個(gè)特定函數(shù)或方法的性能進(jìn)行比較等場合。另一個(gè)是cProfile模塊，可用于profile 程序的性能——該模塊對調(diào)用計(jì)數(shù)與次數(shù)進(jìn)行了詳細(xì)分解，以便發(fā)現(xiàn)性能瓶頸所在。

為了解timeit模塊，我們將查看一些小實(shí)例。假定有3個(gè)函數(shù)function_a()、 function_b()、function_c(), 3個(gè)函數(shù)執(zhí)行同樣的計(jì)算，但分別使用不同的算法。如果將這些函數(shù)放于同一個(gè)模塊中(或分別導(dǎo)入)，就可以使用timeit模塊對其進(jìn)行運(yùn)行和比較。下面給出的是模塊最后使用的代碼：

if __name__ == "__main__":

repeats = 1000

for function in ("function_a", "function_b", "function_c"):

t = timeit.Timer("{0}(X, Y)".format(function),"from __main__ import {0}, X, Y".format(function))

sec = t.timeit(repeats) / repeats

print("{function}() {sec:.6f} sec".format(**locals()))

賦予timeit.Timer()構(gòu)造子的第一個(gè)參數(shù)是我們想要執(zhí)行并計(jì)時(shí)的代碼，其形式是字符串。這里，該字符串是“function_a(X,Y)”；第二個(gè)參數(shù)是可選的，還是一個(gè)待執(zhí)行的字符串，這一次是在待計(jì)時(shí)的代碼之前，以便提供一些建立工作。這里，我們從 __main__ (即this)模塊導(dǎo)入了待測試的函數(shù)，還有兩個(gè)作為輸入數(shù)據(jù)傳入的變量(X 與Y),這兩個(gè)變量在該模塊中是作為全局變量提供的。我們也可以很輕易地像從其他模塊中導(dǎo)入數(shù)據(jù)一樣來進(jìn)行導(dǎo)入操作。

調(diào)用timeit.Timer對象的timeit()方法時(shí)，首先將執(zhí)行構(gòu)造子的第二個(gè)參數(shù)(如果有)， 之后執(zhí)行構(gòu)造子的第一個(gè)參數(shù)并對其執(zhí)行時(shí)間進(jìn)行計(jì)時(shí)。timeit.Timer.timeit()方法的返回值是以秒計(jì)數(shù)的時(shí)間，類型是float。默認(rèn)情況下，timeit()方法重復(fù)100萬次，并返回所 有這些執(zhí)行的總秒數(shù)，但在這一特定案例中，只需要1000次反復(fù)就可以給出有用的結(jié)果, 因此對重復(fù)計(jì)數(shù)次數(shù)進(jìn)行了顯式指定。在對每個(gè)函數(shù)進(jìn)行計(jì)時(shí)后，使用重復(fù)次數(shù)對總數(shù)進(jìn)行除法操作，就得到了平均執(zhí)行時(shí)間，并在控制臺中打印出函數(shù)名與執(zhí)行時(shí)間。

function_a() 0.001618 sec

function_b() 0.012786 sec

function_c() 0.003248 sec

在這一實(shí)例中，function_a()顯然是最快的——至少對于這里使用的輸入數(shù)據(jù)而言。 在有些情況下一一比如輸入數(shù)據(jù)不同會對性能產(chǎn)生巨大影響——可能需要使用多組輸入數(shù)據(jù)對每個(gè)函數(shù)進(jìn)行測試，以便覆蓋有代表性的測試用例，并對總執(zhí)行時(shí)間或平均執(zhí)行時(shí)間進(jìn)行比較。

有時(shí)監(jiān)控自己的代碼進(jìn)行計(jì)時(shí)并不是很方便，因此timeit模塊提供了一種在命令行中對代碼執(zhí)行時(shí)間進(jìn)行計(jì)時(shí)的途徑。比如，要對MyModule.py模塊中的函數(shù)function_a()進(jìn)行計(jì)時(shí)，可以在控制臺中輸入如下命令：python3 -m timeit -n 1000 -s "from MyModule import function_a, X, Y" "function_a(X, Y)"(與通常所做的一樣，對 Windows 環(huán)境，我們必須使用類似于C:Python3lpython.exe這樣的內(nèi)容來替換python3)。-m選項(xiàng)用于Python 解釋器，使其可以加載指定的模塊(這里是timeit),其他選項(xiàng)則由timeit模塊進(jìn)行處理。 -n選項(xiàng)指定了循環(huán)計(jì)數(shù)次數(shù)，-s選項(xiàng)指定了要建立，最后一個(gè)參數(shù)是要執(zhí)行和計(jì)時(shí)的代碼。命令完成后，會向控制臺中打印運(yùn)行結(jié)果，比如：

1000 loops, best of 3: 1.41 msec per loop

之后我們可以輕易地對其他兩個(gè)函數(shù)進(jìn)行計(jì)時(shí)，以便對其進(jìn)行整體的比較。

cProfile模塊(或者profile模塊，這里統(tǒng)稱為cProfile模塊)也可以用于比較函數(shù) 與方法的性能。與只是提供原始計(jì)時(shí)的timeit模塊不同的是，cProfile模塊精確地展示 了有什么被調(diào)用以及每個(gè)調(diào)用耗費(fèi)了多少時(shí)間。下面是用于比較與前面一樣的3個(gè)函數(shù)的代碼：

if __name__ == "__main__":

for function in ("function_a", "function_b", "function_c"):

cProfile.run("for i in ranged 1000): {0}(X, Y)".format(function))

我們必須將重復(fù)的次數(shù)放置在要傳遞給cProfile.run()函數(shù)的代碼內(nèi)部，但不需要做任何創(chuàng)建，因?yàn)槟K函數(shù)會使用內(nèi)省來尋找需要使用的函數(shù)與變量。這里沒有使用顯式的print()語句，因?yàn)槟J(rèn)情況下，cProfile.run()函數(shù)會在控制臺中打印其輸出。下面給出的是所有函數(shù)的相關(guān)結(jié)果(有些無關(guān)行被省略，格式也進(jìn)行了稍許調(diào)整，以便與頁面適應(yīng))：

1003 function calls in 1.661 CPU seconds

ncalls tottime percall cumtime percall filename:lineno(function)

1 0.003 0.003 1.661 1.661 :1 ( )

1000 1.658 0.002 1.658 0.002 MyModule.py:21 (function_a)

1 0.000 0.000 1.661 1.661 {built-in method exec}

5132003 function calls in 22.700 CPU seconds

ncalls tottime percall cumtime percall filename:lineno(function)

1 0.487 0.487 22.700 22.700 : 1 ( )

1000 0.011 0.000 22.213 0.022 MyModule.py:28(function_b)

5128000 7.048 0.000 7.048 0.000 MyModule.py:29( )

1000 0.00 50.000 0.005 0.000 {built-in method bisectjeft}

1 0.000 0.000 22.700 22.700 {built-in method exec}

1000 0.001 0.000 0.001 0.000 {built-in method len}

1000 15.149 0.015 22.196 0.022 {built-in method sorted}

5129003 function calls in 12.987 CPU seconds

ncalls tottime percall cumtime percall filename:lineno(function)

1 0.205 0.205 12.987 12.987 :l ( )

1000 6.472 0.006 12.782 0.013 MyModule.py:36(function_c)

5128000 6.311 0.000 6.311 0.000 MyModule.py:37( )

1 0.000 0.000 12.987 12.987 {built-in method exec}

ncalls ("調(diào)用的次數(shù)")列列出了對指定函數(shù)(在filename:lineno(function)中列出) 的調(diào)用次數(shù)?；叵胍幌挛覀冎貜?fù)了 1000次調(diào)用，因此必須將這個(gè)次數(shù)記住。tottime (“總的時(shí)間”)列列出了某個(gè)函數(shù)中耗費(fèi)的總時(shí)間，但是排除了函數(shù)調(diào)用的其他函數(shù)內(nèi)部花費(fèi)的時(shí)間。第一個(gè)percall列列出了對函數(shù)的每次調(diào)用的平均時(shí)間(tottime // ncalls)。 cumtime ("累積時(shí)間")列出了在函數(shù)中耗費(fèi)的時(shí)間，并且包含了函數(shù)調(diào)用的其他函數(shù)內(nèi)部花費(fèi)的時(shí)間。第二個(gè)percall列列出了對函數(shù)的每次調(diào)用的平均時(shí)間，包括其調(diào)用的函數(shù)耗費(fèi)的時(shí)間。

這種輸出信息要比timeit模塊的原始計(jì)時(shí)信息富有啟發(fā)意義的多。我們立即可以發(fā)現(xiàn)，function_b()與function_c()使用了被調(diào)用5000次以上的生成器，使得它們的速度至少要比function_a()慢10倍以上。并且，function_b()調(diào)用了更多通常意義上的函數(shù)，包括調(diào)用內(nèi)置的sorted()函數(shù)，這使得其幾乎比function_c()還要慢兩倍。當(dāng)然,timeit() 模塊提供了足夠的信息來查看計(jì)時(shí)上存在的這些差別，但cProfile模塊允許我們了解為什么會存在這些差別。正如timeit模塊允許對代碼進(jìn)行計(jì)時(shí)而又不需要對其監(jiān)控一樣，cProfile模塊也可以做到這一點(diǎn)。然而，從命令行使用cProfile模塊時(shí)，我們不能精確地指定要執(zhí)行的 是什么——而只是執(zhí)行給定的程序或模塊，并報(bào)告所有這些的計(jì)時(shí)結(jié)果。需要使用的 命令行是python3 -m cProfile programOrModule.py,產(chǎn)生的輸出信息與前面看到的一 樣，下面給出的是輸出信息樣例，格式上進(jìn)行了一些調(diào)整，并忽略了大多數(shù)行：

10272458 function calls (10272457 primitive calls) in 37.718 CPU secs

ncalls tottime percall cumtime percall filename:lineno(function)

10.000 0.000 37.718 37.718 :1 ( )

10.719 0.719 37.717 37.717 :12( )

1000 1.569 0.002 1.569 0.002 :20(function_a)

1000 0.011 0.000 22.560 0.023 :27(function_b)

5128000 7.078 0.000 7.078 0.000 :28( )

1000 6.510 0.007 12.825 0.013 :35(function_c)

5128000 6.316 0.000 6.316 0.000 :36( )

在cProfile術(shù)語學(xué)中，原始調(diào)用指的就是非遞歸的函數(shù)調(diào)用。

以這種方式使用cProfile模塊對于識別值得進(jìn)一步研究的區(qū)域是有用的。比如，這里 我們可以清晰地看到function_b()需要耗費(fèi)更長的時(shí)間，但是我們怎樣獲取進(jìn)一步的詳細(xì)資料？我們可以使用cProfile.run("function_b()")來替換對function_b()的調(diào)用?；蛘呖梢员４嫱耆膒rofile數(shù)據(jù)并使用pstats模塊對其進(jìn)行分析。要保存profile,就必須對命令行進(jìn)行稍許修改:python3 -m cProfile -o profileDataFile programOrModule.py。 之后可以對 profile 數(shù)據(jù)進(jìn)行分析，比如啟動IDLE,導(dǎo)入pstats模塊，賦予其已保存的profileDataFile,或者也可以在控制臺中交互式地使用pstats。

下面給出的是一個(gè)非常短的控制臺會話實(shí)例，為使其適合頁面展示，進(jìn)行了適當(dāng)調(diào)整，我們自己的輸入則以粗體展示：

$ python3 -m cProfile -o profile.dat MyModule.py

$ python3 -m pstats

Welcome to the profile statistics browser.

% read profile.dat

profile.dat% callers function_b

Random listing order was used

List reduced from 44 to 1 due to restriction

Function was called by...

ncalls tottime cumtime

:27(function_b) - 1000 0.011 22.251 :12( )

profile.dat% callees function_b

Random listing order was used

List reduced from 44 to 1 due to restriction

Function called...

ncalls tottime cumtime

:27(function_b)-

1000 0.005 0.005 built-in method bisectJeft

1000 0.001 0.001 built-in method len

1000 1 5.297 22.234 built-in method sorted

profile.dat% quit

輸入help可以獲取命令列表，help后面跟隨命令名可以獲取該命令的更多信息。比如, help stats將列出可以賦予stats命令的參數(shù)。還有其他一些可用的工具，可以提供profile數(shù)據(jù)的圖形化展示形式，比如 RunSnakeRun (), 該工具需要依賴于wxPython GUI庫。

使用timeit與cProfile模塊，我們可以識別出我們自己代碼中哪些區(qū)域會耗費(fèi)超過預(yù)期的時(shí)間；使用cProfile模塊，還可以準(zhǔn)確算岀時(shí)間消耗在哪里。

以上內(nèi)容部分摘自視頻課程 05后端編程Python-19調(diào)試、測試和性能調(diào)優(yōu)(下) ，更多實(shí)操示例請參照視頻講解。跟著張員外講編程，學(xué)習(xí)更輕松，不花錢還能學(xué)習(xí)真本領(lǐng)。

python 無返回值的函數(shù)怎么單元測試

像這樣反回序例就是多個(gè)值 def get_gitpath(): gitpaths=[] gitpath= request.args.get('c', 0, type=str) f = open(sys.path[0]+"\\gitpath.txt","r") lines = f.readlines() for line in lines : line=line.strip('\n') gitpaths.append(line)...

當(dāng)前名稱：python函數(shù)如何測試的簡單介紹
轉(zhuǎn)載注明：http://muchs.cn/article44/hheshe.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站策劃、網(wǎng)站建設(shè)、App開發(fā)、微信公眾號、電子商務(wù)、搜索引擎優(yōu)化

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)