了解性能瓶颈？3 个实时可视化 Python 工具包来帮你！

由于Python的动态性和多功能性，它比其他语言的速度要慢。有时复杂的计算或算法需要大量时间才能在Python中执行。因此需要跟踪代码的执行流，深入了解性能瓶颈。

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。

1、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

2、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

3、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。

技术交流

欢迎转载、收藏本文，码字不易，有所收获点赞支持一下！

为方便进行学习交流，本号开通了技术交流群，添加方式如下：

直接添加小助手微信号：pythoner666，备注：CSDN+python，或者按照如下方式添加均可！