line_profiler需pip安装并用kernprof命令运行，仅分析标记@profile的函数；输出含Hits、Time等列，重点关注% Time定位瓶颈；不支持IDE右键直接运行，Jupyter需魔法命令%lprun。
line_profiler 安装和基本命令行用法
line_profiler 不是 Python 内置模块，必须单独安装，且不能直接用 python -m cProfile 替代。它依赖于 Cython 编译扩展，所以安装失败常因缺少编译环境或 wheel 不匹配。
- 推荐用 pip 安装：
pip install line_profiler；若报错“Failed building wheel”，可先装pip install cython再重试 - 安装后会提供命令行工具
kernprof，不是line_profiler命令本身 - 最简运行方式：
kernprof -l -v script.py，其中-l表示启用 line-by-line profiling，-v表示执行完立即打印结果 - 如果脚本需要参数，写在
script.py后面，例如：kernprof -l -v train.py --epochs 10
@profile 装饰器必须显式标记函数
line_profiler 不会自动分析所有函数，只对打了 @profile 标签的函数生效——这个装饰器由 line_profiler 注入到全局命名空间，不是手动定义的，也不需要 import。
- 在要分析的函数上方直接写
@profile，注意前面**不能**加from line_profiler import profile，否则会报NameError: name 'profile' is not defined - 如果函数在类中，
@profile要放在def上方，而非class上方；类方法可以被分析，但__init__或私有方法需同样标注 - 不加
@profile的函数即使被调用，也不会出现在结果里，包括内置函数（如sorted()、json.loads()）——它们只会显示为“function call”，无行级数据 - 示例片段：
@profile def process_data(items): result = [] for i in items: # 这一行会被计时 result.append(i * 2) # 这一行也会 return result
输出结果怎么看：重点关注 Hits、Time 和 Per Hit
line_profiler 输出按函数分块，每块含 5 列：Line #（行号）、Hits（执行次数）、Time（微秒级总耗时）、Per Hit（单次平均耗时）、% Time（占该函数总耗时百分比）、Line Contents（源码）。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
-
Hits为 0 表示该行根本没执行（比如条件分支未进入），不是“快”，而是“没跑” -
Time是绝对值，单位是微秒（μs），数值大不一定代表性能瓶颈——要看% Time是否集中；比如某行Time=50000（50ms），但占函数总耗时 95%，就值得优化 - 常见干扰项：
for循环头行（如for x in data:）的Hits是循环次数，Time包含迭代器开销和条件判断，不代表循环体耗时；真正耗时的通常是循环体内语句 - 如果某行显示
Time极小（如 0.0 或 1.0），可能是测量精度不足，或该行是纯语法结构（如pass、空注释）
与 IDE 或 Jupyter 集成的注意事项
在 PyCharm 或 VS Code 中直接右键运行带 @profile 的脚本，不会触发 line_profiler——因为没走 kernprof 入口。Jupyter 里也不能靠 %timeit 替代。
立即学习“Python免费学习笔记（深入）”；
- Jupyter 中可用魔法命令：
%load_ext line_profiler后，再用%lprun -f func_name func_name(args)，但要求func_name已定义且已标注@profile - PyCharm 运行配置里，把 “Execution script” 改成
kernprof，参数设为-l -v /path/to/script.py，否则断点和 profiler 互斥 - 注意路径问题：如果脚本用相对路径导入模块（如
from utils import helper），kernprof执行时工作目录必须和预期一致，否则报ModuleNotFoundError；建议用python -c "import sys; print(sys.path)"对齐环境
实际用的时候，最容易漏掉的是 @profile 标记，或者误以为所有函数都会被分析。它不像 cProfile 那样“全自动”，而是“按需打点”，这点必须主动适应。
