假設(shè)您要測量代碼段的執(zhí)行時間。你是做什么？直到現(xiàn)在，我就像大多數(shù)人一樣會做以下事情：

# 導(dǎo)入時間
start_time = time.time（）
"""某些代碼"""
end_time = time.time（）
print（f“執(zhí)行時間為：{end_time-start_time}”）

現(xiàn)在說我們要比較兩個不同函數(shù)的執(zhí)行時間，然后：

# 導(dǎo)入時間
def function_1（*參數(shù)）：
 ＃做一點(diǎn)事
 ＃返回值
def function_2（*參數(shù)）：
 ＃做一點(diǎn)事
 ＃返回值
 
＃衡量function_1花費(fèi)的時間
start_of_f1 = time.time()
值1 = function_1（*參數(shù)）
end_of_f1 = time.time()
print（f” function_1花費(fèi)的時間是：{start_of_f1-end_of_f1}”）＃function_2所花費(fèi)的測量時間
start_of_f2 = time.time（）
值2 = function_1（*參數(shù)）
end_of_f2 = time.time（）print（f” function_1花費(fèi)的時間是：{start_of_f2-end_of_f2}”）

這是大多數(shù)人衡量執(zhí)行時間并比較兩個功能的方式。

但是，如果必須測量非常小的代碼段所花費(fèi)的時間，則此方法無法產(chǎn)生準(zhǔn)確的結(jié)果。甚至在比較功能時，操作系統(tǒng)中發(fā)生的所有其他進(jìn)程和任務(wù)都與time.time（）實(shí)例混為一談。因此比較功能時不準(zhǔn)確。

為了解決這個問題，Python有一個timeit模塊，該模塊用于測量大小代碼段的執(zhí)行時間。在本文的此處，我們首先使用一些示例來了解python 中的timeit庫。

首先，讓我們看看文檔中提供的概述。

在Python中的timeit

該模塊提供了一種計時少量Python代碼的簡單方法。它既具有命令行界面又具有可調(diào)用界面。它避免了許多用于測量執(zhí)行時間的常見陷阱。

這個模塊有一個函數(shù)timeit.timeit（stmt = pass，setup = pass，timer = <default timer>，number = 1000000）這個函數(shù)有四個參數(shù)：

• stmt：要測量其執(zhí)行時間的代碼段。
• setup：執(zhí)行stmt之前要運(yùn)行的代碼。通常，它用于導(dǎo)入一些模塊或聲明一些必要的變量。通過示例將更加清楚。
• timer：這是默認(rèn)的timeit.Timer對象。它有一個合理的默認(rèn)值，因此我們不必做太多事情。
• number：指定將執(zhí)行stmt的次數(shù)。

它會回到執(zhí)行拍攝（秒）的時間語句，指定的數(shù)十倍。

讓我們看一些例子以更好地理解它。

導(dǎo)入時間

＃此代碼在stmt之前僅執(zhí)行一次。
setup_code =“來自數(shù)學(xué)導(dǎo)入sqrt”

＃此代碼將按照參數(shù)'number'的指定執(zhí)行
stmt_code =“ sum（sqrt（x）for范圍（1,10000）中的x）”
迭代次數(shù)= 10000
時間= timeit.timeit（stmt = stmt_code，設(shè)置= setup_code，數(shù)量=迭代次數(shù)）

打?。〞r間）

＃17.9秒
＃此輸出適用于代碼片段的10000個版本，而不是一個單獨(dú)的版本。

print（f“單次迭代的時間為{time / iterations”“）

我們所做的只是將代碼作為字符串傳遞，并指定迭代次數(shù)給timeit.timeit函數(shù)。

現(xiàn)在，讓我們看看一種使用該驚人庫來比較兩個函數(shù)的方法。

在此示例中，讓我們比較兩個排序函數(shù)，一個是簡單的冒泡排序，另一個是Python內(nèi)置的sorted（）函數(shù)。在這里，我們還將看到另一個名為repeat（）的timeit函數(shù)。

def bubble_sort（arr）：
    對于范圍內(nèi)的我（len（arr））：
        對于范圍（0，len（arr）-i-1）中的j：
            如果arr [j]> arr [j + 1]：
                arr [j]，arr [j + 1] = arr [j +1]，arr [j]
    返回arr


def make_random_array（）：
    來自隨機(jī)進(jìn)口randint

    返回[randint（-100，100）表示范圍（20）中的i]


test_array = make_random_array（）
'''
由于我們要確保在同一數(shù)組上測試函數(shù)，因此我們聲明一個數(shù)組
在這里，稍后將在compare_functions（）中調(diào)用它。
'''

def compare_functions（）：
    導(dǎo)入時間

    setup_code1 =“”“
來自__main__ import bubble_sort
從__main__導(dǎo)入test_array
“”
    setup_code2 =“”“
從__main__導(dǎo)入test_array
“”
    stmt_code1 =“ bubble_sort（test_array）”
    stmt_code2 =“ sorted（test_array）”

    times1 = timeit.repeat（stmt = stmt_code1，setup = setup_code1，number = 10000，repeat = 5）
    times2 = timeit.repeat（stmt = stmt_code2，setup = setup_code2，number = 10000，repeat = 5）
    print（f“氣泡排序所花費(fèi)的時間為{min（times1）}”）
    print（f“內(nèi)置排序所花費(fèi)的時間為{min（times2）}”）

如果__name__ ==“ __main__”：
    compare_functions（）
“”
氣泡排序花費(fèi)的時間是0.2646727000001192
內(nèi)置排序所花費(fèi)的時間是0.0031973000000107277
“”

在這里，輸出是列表times1和times2中的最小值。

在設(shè)置代碼中，來自__main__導(dǎo)入氣泡排序
from __main__ import arr 這將導(dǎo)入程序中已定義的bubble_sort函數(shù)，并導(dǎo)入我們在程序中先前聲明的數(shù)組“ test_array”。

這將確保兩個功能都在同一數(shù)組“ test_array”上進(jìn)行測試。

timeit.repeat（）需要一個附加參數(shù)，重復(fù)（默認(rèn)值= 5）。這將返回多次重復(fù)的代碼段的執(zhí)行時間列表。

正如預(yù)期的那樣，冒泡排序所花費(fèi)的時間比內(nèi)置的sorted（）函數(shù)要多得多。

現(xiàn)在總結(jié)，讓我們看看如何使用該庫中的命令行界面。

從命令行作為程序調(diào)用時，使用以下形式：

python -m timeit [-n N] [-r N] [-u U] [-s S] [聲明...]

這里，

-n N，執(zhí)行“語句”的次數(shù)。
-r N，重復(fù)多少次
-ss，設(shè)置語句
-uu，計時器輸出單位（nano，micro，mil，sec）

一些示例如下：

$ python -m timeit -s'text =“樣本字符串”; char =“ g”''文本中的字符'
5000000次循環(huán)，最好是5次：每個循環(huán)0.0877微秒
$ python -m timeit -s'text =“樣本字符串”; char =“ g”''text.find（char）'
1000000次循環(huán)，最好5次：每個循環(huán)0.342微秒

這結(jié)束了timeit模塊的介紹。我試圖涵蓋所有需要知道的知識，從現(xiàn)在開始開始使用此模塊。

這是該模塊的官方文檔。請看看它以了解有關(guān)此模塊的更多信息。我也鼓勵您在這里查看此模塊的源代碼。

到此這篇關(guān)于Python timeit使用小結(jié)的文章就介紹到這了,更多相關(guān)Python timeit內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論