cprofile快速定位慢函数，line_profiler深入分析行级耗时，二者结合实现“先面后点”的高效性能优化。
想精准定位Python程序的性能瓶颈，光靠cProfile看函数级耗时不够细，line_profiler补上行级细节，两者搭配用效果翻倍。
cProfile快速锁定慢函数
cProfile是Python内置工具，开销小、启动快，适合先圈出“嫌疑函数”。它不干扰程序逻辑，输出按总耗时或调用次数排序，一眼看出哪几个函数拖了后腿。
- 命令行直接运行：python -m cProfile -s cumulative your_script.py
- 关注cumtime（累计时间）和ncalls（调用次数），高cumtime+低ncalls说明单次很重，高ncalls+中等percall可能是高频小操作积少成多
- 导出为stats文件便于后续分析：python -m cProfile -o profile.stats your_script.py
line_profiler深挖具体哪一行卡住
确定目标函数后，用line_profiler逐行打点。它通过装饰器或命令行注入钩子，统计每行实际执行时间与命中次数，连循环内变量赋值、列表推导、函数调用都能分得清清楚楚。
- 先安装：pip install line_profiler
- 给待分析函数加装饰器：@profile（注意：无需import profile，line_profiler会识别）
- 命令行运行：kernprof -l -v your_script.py（-l表示生成.lprof文件，-v立刻打印结果）
- 结果里重点关注%Time列——占比高且#Hits合理的行，就是优化优先级最高的地方
组合策略：从面到点，避免盲目优化
cProfile像地图缩略图，告诉你“东城区堵”，line_profiler则像街景，指出“王府井路口第三根电线杆下有摊贩占道”。跳过cProfile直接上line_profiler，可能在无关函数里浪费时间；只用cProfile不跟进，又容易优化错方向。
立即学习“Python免费学习笔记（深入）”；
- 先跑一次cProfile，挑出top 3耗时函数（别贪多，聚焦）
- 只在这几个函数上加@profile，再用kernprof跑——减少干扰，加快迭代
- 对比优化前后两组cProfile结果，确认整体耗时下降，再看line_profiler是否对应行的%Time明显降低
- 注意：line_profiler会拖慢程序（通常2–10倍），仅用于分析，勿留在线上环境
基本上就这些。cProfile负责导航，line_profiler负责侦察，配合起来不复杂但容易忽略节奏——先定范围，再抠细节，省时又靠谱。
