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

28

1

章 

IPython

：

Python

より優れた

Python

ncalls tottime percall cumtime percall filename:lineno(function)

5 0.599 0.120 0.599 0.120 <ipython-input-19>:4(<listcomp>)

5 0.064 0.013 0.064 0.013 {built-in method sum}

1 0.036 0.036 0.699 0.699 <ipython-input-19>:1(sum_of_lists)

1 0.014 0.014 0.714 0.714 <string>:1(<module>)

1 0.000 0.000 0.714

0.714 {built-in method exec}

結果は、各関数呼び出しの合計時間の順番で、実行が最も時間を費やしている場所を示す表にな

ります。この例では、実行時間の大部分は

sum_of_lists

内のリストの解釈で使われています。こ

こから、アルゴリズムのパフォーマンスを向上させるためにどのような変更を加えるか考え始める

ことができます。

%prun

および使用可能なオプションの詳細については、

IPython

ヘルプ機能を使用してください

（

IPython

プロンプトで

%prun?

と入力します）。

1.9.3

 

%lprun

による行単位のプロファイリング

%prun

の関数別プロファイリングは便利ですが、行単位のプロファイルレポートの