Profilage de code

VérifiéSûr

Identifie les goulots d'étranglement de performance dans le code en utilisant cProfile, line_profiler et des chronométreurs. Analyse les temps cumulatifs et compte d'appels pour suggérer des optimisations.

Spar Skills Guide Bot
DeveloppementIntermédiaire
3002/06/2026
Claude Code
#profiling#performance#optimization#python#bottleneck

Recommandé pour

Notre avis

Profilage de l'exécution du code pour identifier les goulots d'étranglement.

Points forts

  • Utilise plusieurs outils (time, cProfile, line_profiler)
  • Analyse les temps cumulatifs et les appels
  • Propose des optimisations ciblées

Limites

  • Nécessite que le code soit exécutable en local
  • Line profiler nécessite une installation supplémentaire
Quand l'utiliser

Quand un script ou une fonction semble lent et que vous voulez identifier précisément les parties coûteuses.

Quand l'éviter

Pour une analyse de performance en production ou pour des scripts très simples.

Analyse de sécurité

Sûr
Score qualité75/100

The skill only provides guidance on profiling Python code using standard tools. It does not instruct the AI to execute any commands or contain dangerous operations.

Aucun point d'attention détecté

Exemples

Profile with cProfile
Profile the execution of my script 'data_processing.py' and show the cumulative time sorted results.
Line-by-line profiling
Add @profile decorator to my function 'process_data' and run line profiler on 'app.py' to see per-line time.
Simple timer
Wrap this function in a timer to measure its execution time: [function code]

name: profile description: 指定したコードの実行速度をプロファイリングし、ボトルネックを特定する

Profile Code

This skill helps find performance bottlenecks in the code.

Instructions

  1. Identify Target:

    • Ask user for the script or function call to profile.
  2. Run Profiler:

    • Simple Timer: For quick checks, wrap code in time.perf_counter().
    • cProfile: Run python -m cProfile -s cumulative <script_name.py>.
    • Line Profiler: If detailed line-by-line analysis is needed, suggesting adding @profile decorator and running kernprof -l -v <script_name.py> (requires line_profiler installed).
  3. Analyze Output:

    • Look for functions with high cumtime (cumulative time).
    • Look for functions with high call counts (ncalls).
  4. Report:

    • Summarize which parts of the code are consuming the most time.
    • Suggest potential optimizations (vectorization, caching, algorithm change).
Skills similaires