用途：帮助定位并优化 Python 程序的性能问题，包括响应时间、CPU 占用、内存消耗与泄漏、数据库查询以及 I/O 性能，适合调试慢代码、优化数据管道和实现高性能算法。
主要能力：区分 CPU 分析、内存分析、行级分析和调用图可视化；关注执行时间、内存峰值与均值、CPU 利用率、I/O 等待等指标；提供算法、实现、并行、缓存和原生扩展等优化策略。
使用方式：基础计时可用 time 或 timeit，如 timeit.timeit("sum(range(1000000))", number=100)。CPU 分析可用 cProfile：python -m cProfile -o output.prof script.py，再用 python -m pstats output.prof 查看结果。行级分析安装 pip install line-profiler，配合 kernprof -l -v script.py 或 LineProfiler 手动使用。内存分析安装 pip install memory-profiler，通过 python -m memory_profiler script.py 运行。生产环境分析可用 pip install py-spy，执行 py-spy top --pid 12345、py-spy record -o profile.svg --pid 12345 或 py-spy dump --pid 12345。
优化实践示例：用列表推导或 map 替代循环；用生成器降低内存；用 "".join 代替字符串累加；用字典查找替代列表搜索；使用局部变量降低访问开销；减少高频函数调用；用 NumPy 向量化；用 functools.lru_cache 缓存递归结果；用 slots 节省对象内存；CPU 密集任务用 multiprocessing；I/O 密集任务用 asyncio 与 aiohttp；数据库采用 executemany 批量写入并建立索引。
限制：资料未提供具体安装之外的收费、价格、平台支持或效果保证；性能收益取决于具体代码与运行环境，需自行基准测试验证。