--cprofile是一种确定性分析器，只测量CPU时间，并不关心内存的消耗情况和其他与内存相关联的信息
--它是基于Isprof的用C语言实现的扩展应用，运行开销比较合理，适合分析运行时间较长的程序
--enable(): 开始进行性能分析并收集数据
--disableI(): 停止性能分析
--create_stats(): 停止收集数据，并为已经收集的数据创建stats对象
--print_stats():创建stats对象并打印分析结果
--dump_stats(filename): 把当前性能分析的内容写入文件filename中
--runcall(func, *args, **kwargs): 收集被调用函数func的性能分析信息
--用来分析cProfile输出的文件内容
--pstas模块为开发者提供了Stats类，可以读取和操作stats文件
（Stats类可以接受stats文件名，也可以直接接受cProfile.Profile对象作为数据源。）
--strip_dirs(): 删除报告中所有函数文件名的路径信息
--dump_stats(filename): 把stats中的分析数据写入文件（也可以写成cProfile.Profile.dump_stats()）
--sort_stats(*keys): 对报告列表进行排序，函数会一次按照传入的参数排序
--reverse_order(): 逆反当前的排序
--print_stats(*restrictions): 把信息打印到标准输出。*restrictions用于控制打印结果的形式，比如（10,1.0，".*.py.*")表示打印所有py文件的信息的前10行结果
--第一行表示运行这个函数一共使用0.043秒，执行了845次函数调用
--第二行表示结果是按什么顺序排列的（这里表示按照调用次数来进行排列的）
--ncalls: 表示函数调用的次数（有两个数值表示有递归调用，总调用次数/原生调用次数）
--tottime: 函数内部调用时间（不包括他自己调用的其他函数时间）
--percall: tottime/ncalls
--cumtime: 表示累计调用时间（函数执行玩的总时间），它包含了函数自己内部调用的函数时间
--filename:lineno(function): 函数所在的文件，行号，函数名称
上面的函数do_cProfile(do=False, order='tottime')是一个带参数的装饰器，通过do的值来进行性能分析的开关控制，通过order的值来选择输出结果按照什么方式进行排序。
比如我们对函数A和函数B进行性能分析
如果不给装饰器传入参数的话就是默认的False和tottime
https://zhuanlan.zhihu.com/p/24495603
https://blog.csdn.net/weixin_40304570/article/details/79459811
numpy/scipy底层都是纯C的，性能不会比来matlab差。scikit-learn,genism等都是建立在numpy/scipy之上。源python只是提供了一个胶水层。另外纯python部分百也可以再用pypy
jit一下，性能相当可观度
c语言相对比较难。Python上手简单有交互性强的开发环境，还有众多的第三方库，学习起来会比C/C++容易的多。但是C语言作为大学第一种编程语言，众多高校会这么选择，是因为C语言相对其他编程语言，会更好的打好基础，便于以后学习其他知识。
Python和C语言各有各的优势，Python的语法非常特殊，Python是由空格严格控制的，这对于刚接触编程的人来说并不好。目前没有使用与Python相同语法的语言出现。如果用C语言来开始编程可以更好地掌握编程的基础，理解代码的操作原理，但是学习C语言比较枯燥的，容易打击学习积极性。
想了解更多有关Python和C语言的详情，推荐咨询达内教育。达内教育致力于面向IT互联网行业，培养软件开发工程师、测试工程师、UI设计师、网络营销工程师、会计等职场人才，目前已在北上海广深等70个大中城市成立了342家学习中心；更是与多家企业签订人才培养协议，全面助力学员更好就业。感兴趣的话点击此处，免费学习一下
