cProfile_Numpy.py

import ctypes  # Librería para acceder a bibliotecas/herramientas de bajo nivel escritas en C
import numpy as np  # Librería de Python para operaciones matemáticas avanzadas y estructuras de datos eficientes
import cProfile  # Librería para realizar perfiles de código y medir el tiempo de ejecución de las funciones
import pstats  # Librería para procesar y mostrar estadísticas de los perfiles realizados

# Cargar la librería dinámica que contiene la función de multiplicación vector-escalar escrita en C
lib = ctypes.CDLL("/home/kvelez/Documentos/Profiling y AVX/libMultEscalar.so")

# Especificar los tipos de argumentos y el tipo de retorno de la función vectorScalarMultiply en la librería dinámica
lib.vectorScalarMultiply.argtypes = [ctypes.POINTER(ctypes.c_double), ctypes.c_double,
                                     ctypes.POINTER(ctypes.c_double), ctypes.c_int]
lib.vectorScalarMultiply.restype = None

def vector_scalar_multiply(vector, scalar):
    length = len(vector)
    result = np.empty(length, dtype=np.float64)  # Crear un array en numpy para almacenar el resultado de la multiplicación

    lib.vectorScalarMultiply((ctypes.c_double * len(vector))(*vector), scalar,
                             result.ctypes.data_as(ctypes.POINTER(ctypes.c_double)), length)  # Llamar a la función de la librería dinámica

    return result

# Generar un vector de tamaño 10 millones utilizando la librería numpy
vector = np.arange(1, 10000001, dtype=np.float64)  # Crear un vector de números de 1 a 10000000
scalar = 2.0  # Valor escalar para la multiplicación
# Ejecutar el código dentro del contexto del perfilador cProfile para medir el tiempo de ejecución
pr = cProfile.Profile()  # Inicializar un perfilador
# Ejecutar la función de multiplicación vector-escalar con el contexto de cProfile para medir el tiempo
pr.enable()  # Iniciar la medición de tiempo
vector_scalar_multiply(vector, scalar)  # Llamar a la función de multiplicación
pr.disable()  # Terminar la medición de tiempo

# Obtener las estadísticas y limitar la impresión a las 10 líneas con mayor tiempo acumulado
stats = pstats.Stats(pr).strip_dirs().sort_stats("cumtime")  # Crear estadísticas basadas en el perfil
stats.print_stats(10)  # Imprimir las 10 líneas con mayor tiempo acumulado