pythonのレスポンス指標ー関数時間測定編

この記事では.

データ分析でのレスポンス測定は以下の記事通り timeit, time を利用します。
基本的にデータ加工などにかかる時間などワンライナーなコードを対して実行します。
https://qiita.com/binary2/items/6560a190b3fdb26cdaf9

%%timeit
df_test["date_dt"] = df_test.datetime.dt.strftime("%Y-%m-%d")
# 2.18 s ± 55.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

今年度からraspberrypiを利用した開発をすることになったので、分析以外でpythonを利用することになった。
また、システム開発ではないのでセンサーなどのやり取りもしないといけなく、分からないことだらけ orz...

まずは、何の処理に時間がかかっているのか？を把握する必要がある。
ある程度汎用的にレスポンス測定できるようにする。

開発なら最終的にクラスにするべきだが、
処理関数だけ作ってutilltyに打ち込んで開発しているので、、（おサボり）
今回は関数と利用方法のみをまとめる。

測定方法

レスポンス測定は、誰もがよくやる方法でOK！

import time

start = time.time() # 処理測定開始
# 処理関数
end = time.time() # 処理測定終了

print(str(end-start)) # 処理時間

実装

測定方法のコードを毎回測定したい処理に差し込めばOK！
だけど、当たり前だけど、汎用性が低すぎる orz..

↑を解消するために、レスポンス測定関数を作る。
実行関数は引数にして、関数名はprintで表示するようにする。

# レスポンス測定関数
def measure_response(f):
    def func(*args, **kwargs):
        print("start:" + f.__name__)
        start = time.time()
        result = f(*args, **kwargs)
        end = time.time()
        print("end:" + str(end-start))
    return func

処理関数を作るときは、レスポンス測定関数をデコレートすればOK!

@measure_response
def func1():
    sum_value = 0
    for i in range(1000):
        sum_value += i
    return sum_value

func1()

# start:func1
# end:6.4849853515625e-05

まとめ

今回は、pythonの関数を測定する関数を作成および利用方法までをまとめた。
デコレーターを利用することで、処理とレスポンス測定が独立（干渉しない）で実装できた。
今後やるとしたらクラス化。