pprofile
根据作者说明，pprofile是一个“线程测量和统计的纯python分析器”。
它受到line_profiler的启发，修复了很多缺点，但是由于它完全用Python编写，所以它也可以与PyPy成功使用。与cProfile相比，使用CPython时的分析时间要多28倍，而使用PyPy时，分析时间要多10倍，而且细节水平更加细化。
我们也支持PyPy！除此之外，它支持剖析线程，这在各种情况下可能会很方便。
要使用它，您需要先通过pip添加它：pip install pprofile（CPython2）/ pypy -m pip install pprofile（PyPy），然后调用它：
输出与我们以前看到的不同，我们得到如下结果：
我们现在可以更详细地看到一切。让我们来看看输出。您可以获得脚本的整个输出，并且在每行之前，您可以看到对其进行的调用次数，运行时间（秒），每次调用的时间和全局时间的百分比，pprofile为我们的输出添加了额外的行（如第44和50行，以（call）开头）与累积指标。
再次，我们看到，重复调用list.append的两个循环花了我们脚本中最多的时间。
vprof
vprof是一个Python分析器，为各种Python程序特性（如运行时间和内存使用）提供丰富的交互式可视化。它是一个基于Node.JS的图形化的显示在网页中的结果。
使用它，您可以看到与Python脚本相关的以下一个或全部：
1、CPU使用图
2、代码分析
3、内存图
4、代码热图
要使用它，您需要先通过pip添加它：pip install vprof（CPython2）/ pypy -m pip install vprof（PyPy），然后调用它：
在CPython2上，显示代码散热图（第一个调用如下）和代码分析（下面的第二个调用）：
在PyPy上，显示代码散热图（第一个调用如下）和代码分析（下面的第二个调用）：
在每种情况下，您将看到代码散点图的以下内容
以及代码分析的以下内容。
结果以图形方式看到，我们可以悬停鼠标或单击每行以获取更多信息。再次，我们看到，重复调用list.append的两个循环花了我们脚本中最多的时间。
