要用pstats按耗时排序函数调用，必须显式调用sort_stats('cumulative')，再print_stats(10)查看前10个最慢函数；常用排序键包括'cumulative'（含子调用）、'tottime'（纯函数内耗时）和'calls'（调用次数），性能分析优先看'cumulative'。
如何用 pstats 按耗时排序函数调用？
默认的 pstats.Stats 输出是按函数名排序的，根本看不出哪段代码最慢。必须显式调用 sort_stats() 才能按实际耗时重排。
常用排序键有：'cumulative'（累计时间）、'tottime'（纯函数内耗时）、'calls'（调用次数）。性能瓶颈通常先看 'cumulative'，它包含子调用时间，更能反映真实热点。
实操建议：
- 加载后立刻执行
stats.sort_stats('cumulative')，再stats.print_stats(10)查看前 10 项 - 避免只用
'tottime'—— 它会漏掉大量被调用但自身不耗时、却拖慢整体的“胶水函数”（比如频繁调用的序列化逻辑） -
sort_stats()可链式调用，如stats.sort_stats('cumulative').reverse().print_stats(5)查最慢的 5 个
怎样过滤出特定模块或函数的分析结果？
原始输出动辄几百行，直接扫一眼根本找不到目标。print_stats() 和 strip_dirs() 是关键组合。
常见场景：只想看自己写的 data_loader.py 里的函数，或者排除所有 site-packages 的第三方库调用。
实操建议：
- 先
stats.strip_dirs()去掉完整路径，让文件名变短、更易匹配 - 再用
stats.print_stats('data_loader\.py|preprocess\.py')，支持正则，注意转义点号 - 想排除某类路径？用
stats.print_stats('^(?!.*site-packages).*\.py$')（需 Python 3.7+ 正则支持） - 过滤后若结果为空，检查是否忘了
strip_dirs()—— 带绝对路径时正则很难匹配成功
为什么 print_stats(5) 输出的不是前 5 行，而是前 5 个函数？
这是新手最容易误解的地方：print_stats(n) 的 n 是“显示前 n 个函数”，不是“前 n 行文本”。而每个函数可能占 4–8 行（含调用关系、子调用列表），实际输出远超 5 行。
更麻烦的是，如果没提前 sort_stats()，print_stats(5) 就只是字典序前 5 个函数，完全没参考价值。
实操建议：
- 永远把
sort_stats()放在print_stats()前面，顺序不能颠倒 - 需要精确控制输出行数？用
stats.stream = StringIO()捕获输出，再手动切分行 —— 但绝大多数情况没必要，盯住函数粒度就够了 - 怀疑某函数被多次调用影响统计？用
stats.print_callers('your_function_name')看谁在调它
如何把 pstats 结果导出为可搜索的文本或 CSV？
交互式终端里翻页太痛苦，尤其要横向对比多个 profile 文件时。原生不支持 CSV，但可以绕过。
核心思路：用 stats.get_stats_profile() 获取原始数据结构，或重定向 stream 到文件。
实操建议：
- 最简单方式：
stats.stream = open('profile.txt', 'w'); stats.print_stats(); stats.stream.close() - 想结构化导出？
stats.stats是个嵌套字典，键为(filename, lineno, funcname)，值为(cc, nc, tt, ct, callers)元组 —— 注意ct是 cumulative time，单位秒 - 别直接用
pandas.DataFrame(stats.stats)—— 键值结构不规整，得先展开成列表再构造 DataFrame - 导出后用
grep -E 'data_loader|0\.5' profile.txt快速定位耗时 >0.5s 的条目
strip_dirs() 导致正则失效，或是没意识到 sort_stats() 必须显式调用 —— 这俩动作不写，后面所有过滤和排序都白忙。Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
