在CentOS系統下，對Python代碼進行性能分析可以使用多種工具和方法。以下是一些常用的方法和工具：
cProfile:
Python標準庫中自帶了一個性能分析模塊cProfile，它可以提供函數調用的次數和每個函數的執行時間。
使用方法：
python -m cProfile -s time your_script.py
這將以時間為排序標準顯示性能分析結果。
profile:
profile是另一個Python標準庫中的性能分析模塊，它提供了比cProfile更詳細的輸出，但是速度較慢。
使用方法：
python -m profile -s time your_script.py
Py-Spy: Py-Spy是一個用Rust編寫的采樣分析器，它可以無侵入地分析Python程序的性能，不需要修改代碼或重啟程序。
安裝Py-Spy：
pip install py-spy
使用方法：
py-spy record -o profile.svg -- python your_script.py
這將生成一個SVG格式的性能分析報告。
Yappi: Yappi是一個Python性能分析庫，支持CPU和內存分析，并且可以在多線程程序中使用。
安裝Yappi：
pip install yappi
使用方法：
import yappi
yappi.start()
# Your code here
yappi.stop()
yappi.get_func_stats().print_all()
timeit:
timeit模塊用于測量小段Python代碼的執行時間。
使用方法：
import timeit
execution_time = timeit.timeit('your_code_here', globals=globals(), number=1000)
print(f"Execution time: {execution_time} seconds")
line_profiler:
line_profiler是一個逐行分析Python代碼的工具，它可以顯示每一行代碼的執行時間。
安裝line_profiler：
pip install line_profiler
使用方法：
首先，你需要使用裝飾器@profile標記你想要分析的函數，然后運行kernprof命令來分析腳本。
from line_profiler import LineProfiler
def my_func():
# Your code here
lp = LineProfiler()
lp.add_function(my_func)
lp.runcall(my_func)
lp.print_stats()
memory_profiler:
memory_profiler是一個用于監控Python代碼內存使用情況的庫。
安裝memory_profiler：
pip install memory-profiler
使用方法：
在你想要分析的函數上方添加@profile裝飾器，然后運行腳本。
from memory_profiler import profile
@profile
def my_func():
# Your code here
if __name__ == "__main__":
my_func()
運行腳本時，使用以下命令：
python -m memory_profiler your_script.py
選擇合適的工具取決于你的具體需求，比如是否需要分析CPU使用情況、內存使用情況，或者是想要得到實時的性能數據等。通常，你可以先從cProfile開始，因為它簡單易用且足夠應對大多數基本的性能分析需求。如果需要更詳細的分析，可以考慮使用Py-Spy或line_profiler等工具。
