By Context Manager
　　可以上下文管理器自己实现一个计时器, 通过定义类的 __enter__ 和 __exit__ 方法来实现对管理的函数计时, 类似如:
　　

　　使用方式如下:
　　

　　By Decorator
　　然而我认为装饰器的方式更加优雅
　　

　　使用就很简单了:
　　

　　运行结果:
　　系统自带的time命令
　　使用示例如下:
　　

　　上面的结果说明: 执行脚本消耗0.79sCPU时间， 0.18秒执行内核函数消耗的时间，总共0.977s时间。
　　其中， total时间 - (user时间 + system时间) = 消耗在输入输出和系统执行其它任务消耗的时间
　　python timeit 模块
　　可以用来做benchmark, 可以方便的重复一个程序执行的次数，来查看程序可以运行多块。
　　cProfile
　　直接看带注释的使用示例吧。　

　　



　　cProfile将分析的结果保存到result.out文件中，但是以二进制形式存储的，想直接查看的话用提供的 pstats 来查看。
　　

　　截取一个查看test()调用了哪些函数的输出示例:
　　

　　profile.Profile
　　cProfile还提供了可以自定义的类，可以更精细的分析, 具体看文档。
　　格式如： class profile.Profile(timer=None, timeunit=0.0, subcalls=True, builtins=True)
　　下面这个例子来自官方文档:
　　

　　line_profiler
　　line_profiler是一个对函数进行逐行性能分析的工具
　　示例
　　

　　

　　通过 kernprof 命令来注入分析，运行结果如下：
　　

　　hits（执行次数） 和 time（耗时） 值高的地方是有比较大优化空间的地方。
　　memory_profiler
　　类似于”line_profiler“对基于行分析程序内存使用情况的模块。
　　同样是上面”lineprofiler“中的代码，运行 python -m memory_profiler profile.py 命令生成结果如下: