************** Programmierung ************** .. _section-loadattach: Sage-Dateien Laden und Anhängen =============================== Als nächstes zeigen wir wie man Programme, die einer separaten Datei geschrieben wurden in Sage lädt. Erstellen Sie eine Datei, welche Sie ``beispiel.sage`` nennen mit folgendem Inhalt: .. skip :: print("Hello World") print(2^3) Sie können ``beispiel.sage`` einlesen und ausführen, indem Sie den ``load``-Befehl verwenden. .. skip :: sage: load("beispiel.sage") Hello World 8 Sie können auch eine Sage-Datei an eine laufende Sitzung anhängen, indem Sie den ``attach``-Befehl verwenden: .. skip :: sage: attach("beispiel.sage") Hello World 8 Wenn Sie nun ``beispiel.sage`` verändern und eine Leerzeile in Sage eingeben (d.h. ``return`` drücken) wird der Inhalt von ``beispiel.sage`` automatisch in Sage neu geladen. Insbesondere lädt der ``attach``-Befehl eine Datei jedesmal, wenn diese verändert wird automatisch neu, was beim Debuggen von Code nützlich sein kann, wobei der ``load``-Befehl eine Datei nur einmal lädt. Wenn Sage die Datei ``beispiel.sage`` lädt, wird sie zu Python-Code konvertiert, welcher dann vom Python-Interpreter ausgeführt wird. Diese Konvertierung ist geringfügig; sie besteht hautsächlich daraus Integer-Literale mit ``Integer()`` und Fließkomma-Literale mit ``RealNumber()`` zu versehen, ``^`` durch ``**`` zu ersetzen und z.B. ``R.2`` durch ``R.gen(2)`` auszutauschen. Die konvertierte Version von ``beispiel.sage`` befindet sich im gleichen Verzeichnis wie ``beispiel.sage`` und ist ``beispiel.sage.py`` genannt. Diese Datei enthält den folgenden Code: :: print("Hello World") print(Integer(2)**Integer(3)) Integer-Literale wurden mit Integer() versehen und das ``^`` wurde durch ein ``**`` ersetzt. (In Python bedeutet ``^`` "exklusives oder" und ``**`` bedeutet "Exponentiation".) Dieses "preparsing" ist in ``sage/misc/interpreter.py`` implementiert.) Sie können mehrzeiligen eingerückten Code in Sage einfügen, solange Zeilenenden neue Blöcke kenntlich machen (dies ist in Dateien nicht notwendig). Jedoch beseht die beste Möglichkeit solchen Code in Sage einzufügen darin, diesen in einer Datei zu speichern und ``attach`` wie oben beschrieben zu verwenden. .. _section-compile: Kompilierten Code erzeugen ========================== Geschwindigkeit ist bei mathematischen Berechnungen äußerst wichtig. Python ist zwar eine komfortable Programmiersprache mit sehr hohen Abstraktionsniveau, jedoch können bestimmte Berechnungen mehrere Größenordnungen schneller als in Python sein, wenn sie in einer kompilierten Sprache mit statischen Datentypen implementiert wurden. Manche Teile von Sage würden zu langsam sein, wenn sie komplett in Python geschrieben wären. Um dies zu berücksichtigen unterstützt Sage eine kompilierte "Version" von Python, welche Cython ([Cyt]_ und [Pyr]_) genannt wird. Cython ist gleichzeitig sowohl zu Python, als auch zu C ähnlich. Die meisten von Pythons Konstruktionen, einschließlich "list comprehensions", bedingte Ausdrücke und Code wie ``+=`` sind erlaubt; Sie können auch Code importieren, den Sie in anderen Python-Modulen geschrieben haben. Darüberhinaus können Sie beliebige C Variablen definieren und beliebe C-Bibliothekaufrufe direkt ausführen. Der daraus entstehende Code wird nach C konvertiert und mithilfe eines C-Compilers kompiliert. Um eigenen kompilierten Sagecode zu erstellen, geben Sie der Datei eine ``.spyx`` Endung (anstelle von ``.sage``). Falls Sie mit der Kommandozeile arbeiten, können Sie kompilierten Code genau wie interpretierten Code anhängen und laden. (Im Moment wird das Anhängen von Cythoncode vom Notebook aus nicht unterstützt). Die tatsächliche Kompilierung wird "hinter den Kulissen" durchgeführt ohne dass Sie explizit etwas tun müssen. Die komplierte "shared object library" wird unter ``$HOME/.sage/temp/hostname/pid/spyx`` gespeichert. Diese Dateien werden gelöscht wenn Sie Sage beenden. Auf spyx-Dateien wird kein "preparsing" angewendet, d.h. ``1/3`` wird in einer spyx-Datei zu 0 ausgewertet, anstelle der rationalen Zahl :math:`1/3`. Wenn ``foo`` eine Funktion in der Sage-Bibliothek ist die Sie verwenden möchten, müssen Sie ``sage.all`` importieren und ``sage.all.foo`` benutzen. :: import sage.all def foo(n): return sage.all.factorial(n) Auf C-Funktionen in separaten Dateien zugreifen ----------------------------------------------- Es ist auch nicht schwer auf C-Funktions zuzugreifen welche in separaten \*.c Dateien definiert sind. Hier ist ein Beispiel. Erzeugen Sie die Dateien ``test.c`` und ``test.spyx`` in dem gleichen Verzeichnis mit den Inhalten: Der reine C-Code: ``test.c`` :: int add_one(int n) { return n + 1; } Der Cython-Code: ``test.spyx``: :: cdef extern from "test.c": int add_one(int n) def test(n): return add_one(n) Dann funktioniert das Folgende: .. skip :: sage: attach("test.spyx") Compiling (...)/test.spyx... sage: test(10) 11 Wenn die zusätzliche Bibliothek ``foo`` gebraucht wird um den C-Code, der aus einer Cython-Datei generiert wurde zu kompilieren, fügen Sie die Zeile ``clib foo`` zu dem Cython-Quellcode hinzu. Auf ähnliche Weise kann eine zusätzliche Datei ``bar`` zu der Kompilierung mit der Deklaration ``cfile bar`` hinzugefügt werden. .. _section-standalone: eigenständige Python/Sage Skripte ================================= Das folgende eigenständige Sageskript faktorisiert ganze Zahlen, Polynome, usw.: :: #!/usr/bin/env sage import sys from sage.all import * if len(sys.argv) != 2: print("Usage: %s " % sys.argv[0]) print("Outputs the prime factorization of n.") sys.exit(1) print(factor(sage_eval(sys.argv[1]))) Um dieses Skript benutzen zu können muss ``SAGE_ROOT`` in ihrer PATH-Umgebungsvariable enthalten sein. Falls das das obige Skript ``factor`` genannt wurde, ist hier ein beispielhafter Aufruf: :: bash $ ./factor 2006 2 * 17 * 59 bash $ ./factor "32*x^5-1" (2*x - 1) * (16*x^4 + 8*x^3 + 4*x^2 + 2*x + 1) Datentypen ========== Jedes Objekt hat in Sage einen wohldefinierten Datentyp. Python besitzt eine Vielzahl von standardmäßiger elementarer Datentypen und die Sage-Bibliothek fügt noch viele weitere hinzu. Zu Pythons standardmäßigen Datentypen gehören Strings, Listen, Tupel, Ganzzahlen und Gleitkommazahlen, wie hier zu sehen ist: :: sage: s = "sage"; type(s) <... 'str'> sage: s = 'sage'; type(s) # Sie können einfache oder doppelte Anführungszeichen verwenden <... 'str'> sage: s = [1,2,3,4]; type(s) <... 'list'> sage: s = (1,2,3,4); type(s) <... 'tuple'> sage: s = int(2006); type(s) <... 'int'> sage: s = float(2006); type(s) <... 'float'> Hierzu fügt Sage noch viele weitere hinzu. Zum Beispiel Vektorräume: :: sage: V = VectorSpace(QQ, 1000000); V Vector space of dimension 1000000 over Rational Field sage: type(V) Nur bestimmte Funktionen können auf ``V`` aufgerufen werden. In anderen mathematischen Softwaresystemem würde dies mit der "Funktionalen"-Notation ``foo(V,...)`` geschehen. In Sage sind bestimmte Funktionen an den Typ (oder der Klasse) von ``V`` angehängt, und diese werden unter Benutzung einer objektorientierten Syntax, wie in Java oder C++ aufgerufen. Zum Beispiel ``V.foo(...)``. Dies hilft dabei eine Überfüllung des globalen Namensraums mit tausenden von Funktionen zu vermeiden. Das bedeutet auch, dass viele verschiedene Funktionen mit unterschiedlichen Funktionsweisen foo genannt werden können, ohne dass der Typ des Arguments überprüft (oder Case-Anweisungen ausgeführt) werden muss, um zu entscheiden welche aufgerufen werden soll. Weiterhin ist die Funktion auch dann noch verfügbar, wenn ihr Name zu einem anderen Zweck verwendet wurde. (Zum Beispiel wenn Sie etwas ``zeta`` nennen und dann den Wert der Riemannschen Zeta-Funktion bei 0.5 berechnen wollen, können Sie immernoch ``s=.5; s.zeta()`` benutzen). :: sage: zeta = -1 sage: s=.5; s.zeta() -1.46035450880959 In manchen sehr oft auftretenden Fällen wird auch die gewöhnliche funktionale Notation unterstützt, da dies bequem ist und manche mathematische Ausdrücke in objektorientierter Notation verwirrend aussehen könnten. Hier sind einige Beispiele: :: sage: n = 2; n.sqrt() sqrt(2) sage: sqrt(2) sqrt(2) sage: V = VectorSpace(QQ,2) sage: V.basis() [ (1, 0), (0, 1) ] sage: basis(V) [ (1, 0), (0, 1) ] sage: M = MatrixSpace(GF(7), 2); M Full MatrixSpace of 2 by 2 dense matrices over Finite Field of size 7 sage: A = M([1,2,3,4]); A [1 2] [3 4] sage: A.charpoly('x') x^2 + 2*x + 5 sage: charpoly(A, 'x') x^2 + 2*x + 5 Um alle Member-Funktionen von :math:`A` anzuzeigen, können Sie die Tab-Vervollständigung benutzen. Tippen Sie einfach ``A.``, dann die ``[tab]``-Taste auf Ihrer Tastatur, wie es in :ref:`section-tabcompletion` beschrieben ist. Listen, Tupel, und Folgen ========================= Der Listen-Datentyp speichert Elemente eines beliebigen Typs. Wie in C, C++, usw. (jedoch anders als in vielen gewöhnlichen Computer-Algebra-Systemen), die Elemente der Liste werden bei :math:`0` beginnend indiziert: :: sage: v = [2, 3, 5, 'x', SymmetricGroup(3)]; v [2, 3, 5, 'x', Symmetric group of order 3! as a permutation group] sage: type(v) <... 'list'> sage: v[0] 2 sage: v[2] 5 (Wenn man auf ein Listenelement zugreift ist es OK wenn der Index kein Python int ist!) Mit einem Sage-Integer (oder Rational, oder mit allem anderen mit einer ``__index__`` Methode) funktioniert es genauso. :: sage: v = [1,2,3] sage: v[2] 3 sage: n = 2 # SAGE Integer sage: v[n] # Perfectly OK! 3 sage: v[int(n)] # Also OK. 3 Die ``range``-Funktion erzeugt eine Liste von Python int's (nicht Sage-Integers): :: sage: range(1, 15) [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14] Dies ist nützlich wenn man List-Comprehensions verwendet um Listen zu konstruieren: :: sage: L = [factor(n) for n in range(1, 15)] sage: L [1, 2, 3, 2^2, 5, 2 * 3, 7, 2^3, 3^2, 2 * 5, 11, 2^2 * 3, 13, 2 * 7] sage: L[12] 13 sage: type(L[12]) sage: [factor(n) for n in range(1, 15) if is_odd(n)] [1, 3, 5, 7, 3^2, 11, 13] Um mehr darüber zu erfahren wie man Listen mit Hilfe von List-Comprehensions erzeugt, lesen Sie [PyT]_. List-Slicing ist eine wunderbare Eigenschaft. Wenn ``L`` eine Liste ist, dann gibt ``L[m:n]`` die Teilliste von ``L`` zurück, die erhalten wird wenn man mit dem :math:`m^{ten}` Element beginnt und bei dem :math:`(n-1)^{ten}` Element aufhört, wie unten gezeigt wird. :: sage: L = [factor(n) for n in range(1, 20)] sage: L[4:9] [5, 2 * 3, 7, 2^3, 3^2] sage: L[:4] [1, 2, 3, 2^2] sage: L[14:4] [] sage: L[14:] [3 * 5, 2^4, 17, 2 * 3^2, 19] Tupel sind ähnlich wie Listen, außer dass sie unveränderbar sind, was bedeutet dass sie, sobald sie erzeugt wurden, nicht mehr verändert werden können. :: sage: v = (1,2,3,4); v (1, 2, 3, 4) sage: type(v) <... 'tuple'> sage: v[1] = 5 Traceback (most recent call last): ... TypeError: 'tuple' object does not support item assignment Folgen sind ein dritter an Listen angelehnter Sage-Datentyp. Anders als Listen und Tupel, sind Folgen kein gewöhnlicher Python-Datentyp. Standardmäßig sind Folgen veränderbar, mit der ``Sequence``-Klassenmethode ``set_immutable`` können sie auf unveränderbar gestellt werden, wie das folgende Beispiel zeigt. Alle Elemente einer Folge haben einen gemeinsamen Obertyp, der das Folgenuniversum genannt wird. :: sage: v = Sequence([1,2,3,4/5]) sage: v [1, 2, 3, 4/5] sage: type(v) sage: type(v[1]) sage: v.universe() Rational Field sage: v.is_immutable() False sage: v.set_immutable() sage: v[0] = 3 Traceback (most recent call last): ... ValueError: object is immutable; please change a copy instead. Folgen sind von Listen abgeleitet und können überall dort verwendet werden, wo auch Listen benutzt werden können. :: sage: v = Sequence([1,2,3,4/5]) sage: isinstance(v, list) True sage: list(v) [1, 2, 3, 4/5] sage: type(list(v)) <... 'list'> Ein weiteres Beispiel von unveränderbaren Folgen sind Basen von Vektorräumen. Es ist wichtig, dass sie nicht verändert werden können. :: sage: V = QQ^3; B = V.basis(); B [ (1, 0, 0), (0, 1, 0), (0, 0, 1) ] sage: type(B) sage: B[0] = B[1] Traceback (most recent call last): ... ValueError: object is immutable; please change a copy instead. sage: B.universe() Vector space of dimension 3 over Rational Field Dictionaries ============ Ein Dictionary (manchmal auch assoziativer Array genannt) ist eine Abbildung von 'hashbaren' Objekten (z.B. Strings, Zahlen und Tupel; Lesen Sie die Python documentation http://docs.python.org/tut/node7.html und http://docs.python.org/lib/typesmapping.html für weitere Details) zu beliebigen Objekten. :: sage: d = {1:5, 'sage':17, ZZ:GF(7)} sage: type(d) <... 'dict'> sage: d.keys() [1, 'sage', Integer Ring] sage: d['sage'] 17 sage: d[ZZ] Finite Field of size 7 sage: d[1] 5 Der dritte "key" zeigt, dass Indizes eines Dictionaries kompliziert, also beispielsweise der Ring der ganzen Zahlen, sein können. Sie können das obige Dictionary auch in eine Liste mit den gleichen Daten umwandeln: .. link :: sage: list(d.items()) [(1, 5), ('sage', 17), (Integer Ring, Finite Field of size 7)] Eine häufig vorkommende Ausdrucksweise ist über einem Paar in einem Dictionary zu iterieren: :: sage: d = {2:4, 4:16, 3:9} sage: [a*b for a, b in d.items()] [8, 27, 64] Ein Dictionary ist ungeordnet, wie die letzte Ausgabe verdeutlicht. Mengen ====== Python hat einen standardmäßigen Mengen-Datentyp. Sein Hauptmerkmal ist, neben weiteren typischen Mengenoperationen, dass das Nachschlagen ob ein Element zu der Menge gehört oder nicht, sehr schnell geht. :: sage: X = set([1,19,'a']); Y = set([1,1,1, 2/3]) sage: X # random sort order {1, 19, 'a'} sage: X == set(['a', 1, 1, 19]) True sage: Y {2/3, 1} sage: 'a' in X True sage: 'a' in Y False sage: X.intersection(Y) {1} Sage besitzt auch einen eigenen Mengen-Datentyp, welcher (manchmal) mit Hilfe des standardmäßigen Python-Mengen-Datentyps implementiert ist, jedoch darüberhinaus manche Sage-spezifischen Funktionen aufweist. Sie können eine Sage-Menge erzeugen indem Sie ``Set(...)`` verwenden. Zum Beispiel, :: sage: X = Set([1,19,'a']); Y = Set([1,1,1, 2/3]) sage: X # random sort order {'a', 1, 19} sage: X == Set(['a', 1, 1, 19]) True sage: Y {1, 2/3} sage: X.intersection(Y) {1} sage: print(latex(Y)) \left\{1, \frac{2}{3}\right\} sage: Set(ZZ) Set of elements of Integer Ring Iteratoren ========== Iteratoren sind seit Version 2.2 ein Teil von Python und erweisen sich in mathematischen Anwendungen als besonders nützlich. Wir geben hier ein paar Beispiele an; Lesen Sie [PyT]_ um weitere Details zu erfahren. Wir erstellen einen Iterator über die Quadrate der nichtnegativen ganzen Zahlen bis :math:`10000000`. :: sage: v = (n^2 for n in xrange(10000000)) sage: next(v) 0 sage: next(v) 1 sage: next(v) 4 Nun erzeugen wir einen Iterator über den Primzahlen der Form :math:`4p+1` wobei auch :math:`p` prim ist und schauen uns die ersten Werte an. :: sage: w = (4*p + 1 for p in Primes() if is_prime(4*p+1)) sage: w # in the next line, 0xb0853d6c is a random 0x number sage: next(w) 13 sage: next(w) 29 sage: next(w) 53 Bestimmte Ringe, z. B. endliche Körper und die ganzen Zahlen, haben zugehörige Iteratoren: :: sage: [x for x in GF(7)] [0, 1, 2, 3, 4, 5, 6] sage: W = ((x,y) for x in ZZ for y in ZZ) sage: next(W) (0, 0) sage: next(W) (0, 1) sage: next(W) (0, -1) Schleifen, Funktionen, Kontrollstrukturen und Vergleiche ======================================================== Wir haben schon ein paar Beispiele gesehen in denen die ``for``-Schleife üblicherweise Verwendung findet. In Python hat eine ``for``-Schleife eine eingerückte Struktur, wie hier: :: >>> for i in range(5): ... print(i) ... 0 1 2 3 4 Beachten Sie den Doppelpunkt am Ende der for-Anweisung (dort befindet sich kein "do" oder "od" wie in GAP oder Maple) und die Einrückung vor dem Schleifenrumpf, dem ``print(i)``. Diese Einrückung ist wichtig. In Sage wird die Einrückung automatisch hinzugefügt wenn Sie nach einem ":" die ``enter``-Taste drücken, wie etwa im Folgenden Beispiel. :: sage: for i in range(5): ....: print(i) # now hit enter twice ....: 0 1 2 3 4 Das Symbol ``=`` wird bei Zuweisungen verwendet. Das Symbol ``==`` wird verwendet um Gleichheit zu testen: :: sage: for i in range(15): ....: if gcd(i,15) == 1: ....: print(i) 1 2 4 7 8 11 13 14 Behalten Sie im Gedächtnis, dass die Block-Struktur von ``if``, ``for`` und ``while`` Ausdrücken durch die Einrückung bestimmt wird: :: sage: def legendre(a,p): ....: is_sqr_modp=-1 ....: for i in range(p): ....: if a % p == i^2 % p: ....: is_sqr_modp=1 ....: return is_sqr_modp sage: legendre(2,7) 1 sage: legendre(3,7) -1 Natürlich ist dies keine effiziente Implementierung des Legendre-Symbols! Dies soll nur bestimmte Aspekte won Python/Sage verdeutlichen. Die Funktion {kronecker}, welche zu Sage gehört, berechnet das Legendre-Symbol effizient mittels eines Aufrufs von PARIs C-Bibliothek. Schließlich merken wir an, dass Vergleiche wie ``==``, ``!=``, ``<=``, ``>=``, ``>``, ``<`` von zwei Zahlen automatisch beide Zahlen in den gleichen Typ konvertieren, falls dies möglich ist: :: sage: 2 < 3.1; 3.1 <= 1 True False sage: 2/3 < 3/2; 3/2 < 3/1 True True Nutzen Sie bool für symbolische Ungleichungen: :: sage: x < x + 1 x < x + 1 sage: bool(x < x + 1) True Beim Vergleichen von Objekten unterschiedlichen Typs versucht Sage in den meisten Fällen eine kanonische Umwandlung beider Objekte in einen gemeinsamen Typ zu finden. Falls erfolgreich wird der Vergleich auf den umgewandelten Objekten durchgeführt; Falls nicht erfolgreich werden die Objekte als ungleich angesehen. Um zu Testen, ob zwei Variablen auf das gleiche Objekt zeigen, verwenden Sie ``is``. Zum Beispiel: :: sage: 1 is 2/2 False sage: 1 is 1 False sage: 1 == 2/2 True In den folgenden zwei Zeilen ist der erste Gleichheitstest ``False``, da es keinen kanonischen Morphismus :math:`\QQ\ \to \GF{5}` gibt, also gibt es keine kanonische Möglichkeit die :math:`1` in :math:`\GF{5}` mit der :math:`1 \in \QQ` zu vergleichen. Im Gegensatz dazu gibt es eine kanonische Abbildung :math:`\ZZ \to \GF{5}`, also ist der zweite Gleichheitstest ``True``. Beachten Sie auch, dass die Reihenfolge keine Rolle spielt. :: sage: GF(5)(1) == QQ(1); QQ(1) == GF(5)(1) False False sage: GF(5)(1) == ZZ(1); ZZ(1) == GF(5)(1) True True sage: ZZ(1) == QQ(1) True WARNUNG: Vergleiche in Sage sind restriktiver als in Magma, welches die :math:`1 \in \GF{5}` gleich der :math:`1 \in \QQ` festlegt. :: sage: magma('GF(5)!1 eq Rationals()!1') # optional - magma true Profiling ========= Autor des Abschnitts: Martin Albrecht (malb@informatik.uni-bremen.de) "Premature optimization is the root of all evil." - Donald Knuth Manchmal ist es nützlich nach Engstellen im Code zu suchen, um zu verstehen welche Abschnitte die meiste Berechnungszeit beanspruchen; dies kann ein guter Hinweis darauf sein, welche Teile optimiert werden sollten. Python, und daher auch Sage, stellen mehrere "Profiling" -- so wird dieser Prozess genannt -- Optionen zur Verfügung. Am einfachsten zu Benutzen ist das ``prun``-Kommando in der interaktiven Shell. Es gibt eine Zusammenfassung zurück, die beschreibt welche Funktionen wie viel Berechnungszeit veranschlagt haben. Um die (zu diesem Zeitpunkt langsame) Matrixmultiplikation über endlichen Körpern zu Profilieren, geben Sie z.B. folgendes ein: :: sage: k,a = GF(2**8, 'a').objgen() sage: A = Matrix(k,10,10,[k.random_element() for _ in range(10*10)]) .. skip :: sage: %prun B = A*A 32893 function calls in 1.100 CPU seconds Ordered by: internal time ncalls tottime percall cumtime percall filename:lineno(function) 12127 0.160 0.000 0.160 0.000 :0(isinstance) 2000 0.150 0.000 0.280 0.000 matrix.py:2235(__getitem__) 1000 0.120 0.000 0.370 0.000 finite_field_element.py:392(__mul__) 1903 0.120 0.000 0.200 0.000 finite_field_element.py:47(__init__) 1900 0.090 0.000 0.220 0.000 finite_field_element.py:376(__compat) 900 0.080 0.000 0.260 0.000 finite_field_element.py:380(__add__) 1 0.070 0.070 1.100 1.100 matrix.py:864(__mul__) 2105 0.070 0.000 0.070 0.000 matrix.py:282(ncols) ... Hier ist ``ncalls`` die Anzahl der Aufrufe, ``tottime`` ist die Gesamtzeit, die für die Funktion verwendet wurde (ausgenommen der Zeit, die für Unterfunktionsaufrufe verwendet wurde), ``percall`` ist der Quotient von ``tottime`` geteilt durch ``ncalls``. ``cumtime`` ist die Gesamtzeit, die für diese Funktion und alle Unterfunktionsaufrufe (d.h., vom Aufruf bis zum Ende) verwendet wurde, ``percall`` ist der Quotient von ``cumtime`` geteilt durch die Zeit elementarer Funktionsaufrufe, und ``filename:lineno(function)`` stellt die entsprechenden Daten jeder Funktion zur Verfügung. Die Daumenregel ist hier: Je höher die Funktion in dieser Liste steht, desto teurer ist sie. Also ist sie interessanter für Optimierungen. Wie sonst auch stellt ``prun?`` Details zur Benutzung des Profilers und zum Verstehen seines Outputs zur Verfügung. Die Profilierungsdaten können auch in ein Objekt geschrieben werden um eine weitere Untersuchung zu ermöglichen: .. skip :: sage: %prun -r A*A sage: stats = _ sage: stats? Beachten Sie: das Eingeben von ``stats = prun -r A\*A`` erzeugt eine Syntaxfehlermeldung, da prun ein IPython-Shell-Kommando ist und keine reguläre Funktion. Um eine schöne graphische Repräsentation der Profilerdaten zu erhalten, können Sie den "hotshot-Profiler", ein kleines Skript genannt ``hotshot2cachetree`` und das Programm ``kcachegrind`` (nur für Unix) benutzen. Hier ist das gleiche Beispiel mit dem "hotshot-Profiler": .. skip :: sage: k,a = GF(2**8, 'a').objgen() sage: A = Matrix(k,10,10,[k.random_element() for _ in range(10*10)]) sage: import hotshot sage: filename = "pythongrind.prof" sage: prof = hotshot.Profile(filename, lineevents=1) .. skip :: sage: prof.run("A*A") sage: prof.close() Dies führt zu einer Datei ``pythongrind.prof`` in aktuellen Datenverzeichnis. Diese kann nun zur Visualisierung in das cachegrind-Format konvertiert werden. Tippen Sie in einer System-Shell: .. skip :: hotshot2calltree -o cachegrind.out.42 pythongrind.prof Die Ausgabedatei ``cachegrind.out.42`` kann nun mit ``kcachegrind`` untersucht werden. Bitte beachten Sie, dass die Namenskonvention ``cachegrind.out.XX`` erhalten bleiben muss.