Python性能优化资源汇总（持续更新） | Yet Another Thoughts 

自带干粮——profile, cProfile, hotshot

####profile/cProfile
profile是python的标准库，而cProfile是对应的C扩展。它们的reference点击这里。cProfile/profile在py2与py3中都可以使用。
可以在代码中使用cProfile：

import cProfile#以下调用运行函数somefunc()，并将相关数据记录到log_file.pyprofcProfile.run('somefunc()', 'log_file.pyprof')

小程序也可以直接通过命令行调用cProfile模块执行：

python -m cProfile -o profile_data.pyprof script_to_profile.py

hotspot

hotshot是高性能的Profiling数据采集工具，其运行时对程序效率的影响很小，但会产生巨大的运行记录，分析也比较慢。Python 3中并没有它，若无特殊需求，请使用cProfile。示例代码：

import hotspotprofiler = hotspot.Profile('hotspot.log')profiler.run('trackStereo.solveStereoNew()')

其他工具

这里介绍了若干个可视化的性能分析工具，比如：

1. Gprof2Dot 将多种Profiler的数据转换成Graphviz可处理的图像表述。
2. RunSnakeRun使用wxPython将Profiler数据可视化，还可以分析内存占用。
3. KCacheGrind是Linux中常用的profiling visualization软件。

Python代码静态分析工具

Python code analysis tools—An overview介绍与比较了若干python代码静态分析工具，包括但不仅限于：

• QuantifiedCode
• PEP8
• PyChecker