Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

1.9

 コードのプロファイリングと実行時間計測

25

コマンド 説明

q(uit)

デバッガとプログラムの実行を終了する

c(ontinue)

デバッガを終了し、プログラムの実行を継続する

n(ext)

プログラムの次のステップへ移動する

<enter>

直前のコマンドを繰り返して実行する

p(rint)

変数の値を表示する

s(tep)

実行位置を関数の中に移動する

r(eturn)

関数からリターンするまで実行する

詳細についてはデバッガのヘルプを使用するか、

ipdb

のオンラインドキュメント（

https://

github.com/gotcha/ipdb

）を参照してください。

1.9

 コードのプロファイリングと実行時間計測

コードを開発しデータ処理のパイプラインを組み上げる過程では、いくつもの実装方法の間でト

レードオフが生じる場合があります。アルゴリズムを開発する早い段階では、そのようなことを心

配するのは非生産的です。ドナルド・クヌースは次のように述べています。「細かい効率のことは

忘

れて、時間の

97

％について考えよう。時期尚早な最適化は諸悪の根源である。」

しかし、いったんコードが動作し始めたら、その効率を少し掘り下げることは役に立ちます。特

定の処理文または処理ブロックの実行時間を確認すると便利な場合もあります。それ以外の場合

は、複数行の処理を掘り下げ、いくつかの複雑な一連の操作でボトルネックがどこにあるのかを判

断するのが有益です。

IPython

は、コードの実行時間確認とプロファイリングのための幅広い機能

を提供します。ここでは、次の ...