Exercice 95 / 100

Decorateurs

ConsigneCree un decorateur @timer qui mesure le temps d'execution. Teste avec une fonction qui calcule la somme des carres de 0 a 99999 et affiche le resultat.

📖 Cours

Re-implémentation détaillée d'un décorateur @timer pour mesurer le temps d'exécution d'une fonction. Compagnon utile en data science pour profiler.

Rappel : structure d'un décorateur

def decorateur(func):    def wrapper(*args, **kwargs):        # avant        result = func(*args, **kwargs)        # après        return result    return wrapper

*args et **kwargs permettent au wrapper d'accepter n'importe quels arguments et de les transmettre à func.

@timer : implémentation

import time

def timer(func):    def wrapper(*args, **kwargs):        start = time.time()        result = func(*args, **kwargs)        elapsed = time.time() - start        # On pourrait print(f'{func.__name__} a pris {elapsed:.4f}s')        return result    return wrapper

Lignes clés

time.time() horloge système en secondes (float, précision ms)

elapsed: durée de l'exécution
result: on conserve la valeur de retour de la fonction décorée

Un décorateur @timer pose une marque avant l'appel et une autre après : la durée mesurée est l'écart entre les deux, et la fonction décorée n'a rien à savoir de tout cela

Utilisation

@timerdef process_data(n): return sum(i ** 2 for i in range(n))

result = process_data(100000)print(f'Résultat: {result}')

L'écriture @timer est équivalente à :

process_data = timer(process_data)

Version plus précise : perf_counter

Pour des mesures fines (sous-ms), préfère time.perf_counter() :

import timestart = time.perf_counter()...elapsed = time.perf_counter() - start # bien plus précis

Garder le nom de la fonction

Sans précaution, la fonction décorée "perd" son nom (devient 'wrapper'). Pour préserver :

from functools import wraps

def timer(func): @wraps(func) def wrapper(*args, **kwargs): ... return wrapper

Maintenant process_data.__name__ vaut bien 'process_data'.

Profilage plus avancé

Pour du profilage sérieux :

- %timeit dans Jupyter- module cProfile (analyse appel par appel)- lib externe : line_profiler (ligne par ligne)

Un décorateur @timer collé sur quelques fonctions critiques permet de repérer rapidement les goulots d'étranglement d'un script.