作者图片
您可能需要估计代码片段的执行时间。例如，如果您有五种方法在 Python 中制作列表对象的副本，那么您需要选择一种更快的方法。
你是做什么的？一种方法是使用 DateTime 模块来捕获任务的开始和结束时间。然后计算两者的差值。然而，这种方法效率不高，因为背景过程会扭曲估计值。那么，有什么有效的方法来估计代码片段的执行时间呢？
Python timeit 模块就是为做这件事而设计的。这对于测量代码片段的执行时间很有用。让我们用一个例子来看看 timeit 模块是如何工作的。
最初发表于 2022 年 2 月 2 日 pythonsimplifed.com**。**
timeit 是 Python 的内置模块，可以用来估计 Python 代码片段的执行时间。我们在之前的博文中已经使用过几次了。
timeit(stmt='pass',
setup='pass',
timer=<built-in function perf_counter>,
number=1000000,
globals=None)
- stmt: 它是您想要度量的代码片段。默认值为“通过”
- ****设置:在测量时间时，通常是您不想包含在代码片段中的导入语句。
- ****定时器:定时器对象，你不用担心，因为它会自动设置。
- number: 想要执行代码片段的次数。默认值为 1，000，000。
- ****全局变量:您可以传递全局名称空间 globals()，以便代码片段可以使用全局名称空间中的所有变量。
(1)以下示例使用一行语句作为代码片段。它计算从 0 到 50 的所有数字的平方。注意，把 0 到 50 的所有数字平方大约一百万次，大约需要 16 秒。
>>> import timeit
>>> timeit.timeit(stmt="[i**2 for i in range(50)]")
16.153305899999395
要计算单次运行所需的时间，需要通过 1 到 数 参数或者用 16 秒除以 100 万。
>>> timeit(stmt="[i**2 for i in range(50)]", number=1)
0.00003070000093430281
(2)请注意， timeit 模块在它自己的名称空间中运行。在下面的例子中，我们试图使用 math 模块找到从 0 到 50 的所有数字的平方根，math 模块被导入到主作用域中。由于数学模块没有被导入到 timeit 区，下面的代码将导致一个NameError. The name math’is not defined`。
import math
import timeitcode = """
squares = [math.sqrt(i) for i in range(50)]
"""timeit.timeit(stmt=stmt)
如何解决这个问题？当然，你也可以包含 【导入数学】 作为你代码片段的一部分。但是，您可能不希望将它包括在内，因为您只想估计在不使用 import 语句的情况下生成从 0 到 50 的所有数字的平方根的代码的执行情况。有两个选项: a)设置和 b)全局参数。
a)设置参数: 可以通过设置参数传递导入语句。setup 参数中的语句只执行一次，不是代码段的一部分。
>>> import timeit>>> code = """
... squares = [math.sqrt(i) for i in range(50)]
... """>>> timeit.timeit(stmt=code, setup='import math')
10.895839600000272
*****b)globals 参数:*globals()是内置函数，返回属于全局模块的所有对象。如果通过将 globals()传递给 globals 参数在全局范围内导入了 math 模块，则代码段可以使用 import math。
>>> import math
>>> import timeit>>> code = """
... squares = [math.sqrt(i) for i in range(50)]
... """>>> timeit.timeit(stmt=code, globals=globals())
10.318579799999952
希望你现在了解了 timeit 方法的所有参数，主要是 设置 和 全局 参数。让我们看看 timeit 模块中其他可用的重要方法。
除了 timeit() 方法之外， timeit 模块中还有两个更重要的方法。
timeit.repeat(): 它的工作方式与*time It . time It()*几乎相同，主要区别在于它将time It . time It()重复 n 次，作为传递给 repeat 参数。
*>>> import timeit>>> code = """
... squares = [math.sqrt(i) for i in range(50)]
... """>>> timeit.repeat(stmt=code, setup='import math', repeat=3)
[10.724541399998998, 9.994093399996927, 10.465739999999641]*
****time it . default _ timer():默认定时器始终是 time.perf_counter() 。它返回性能计数器的值(以秒为单位)。
*>>> import timeit
>>> start_time = timeit.default_timer()
>>> code = """
... squares = [math.sqrt(i) for i in range(50)]
... """
>>> timeit.timeit(stmt=code, setup='import math')
>>> stop_time = timeit.default_timer()
>>> print("The execution time is:", stop_time - start_time)
The execution time is: 10.00125609999668*
timeit 模块还提供了使用命令行界面的选项。命令行界面的语法如下所示-
*python -m timeit [-n N] [-r N] [-u U] [-s S] [-h] [statement ...]*
- -n N:要执行代码片段的次数
- -r N:希望 timeit()函数重复的次数
- -u U:定时器输出的时间单位；可以选择毫秒、秒等。
- -s S:将在代码执行之前执行的安装详细信息
- -h:求助
- 语句:代码段。
****一个使用命令行界面的例子:下面的例子估计了使用命令行界面计算 0-50 之间所有整数的平方所花费的时间。
*>>> (base) C:\Users\swath>python -m timeit -n 1000000 "[i**2 for i in range(50)]"
1000000 loops, best of 5: 16.2 usec per loop*
对于 Jupyter 笔记本用户来说， %timeit 和 %%timeit 是对代码片段计时的两个流行命令。使用这些神奇方法的一个好处是，你不必导入 timeit 模块，因为它会在后台完成。
%time: 行魔命令为单行语句代码跟随该命令。
*%timeit squares = [i**2 for i in range(50)]*
输出:
*15.3 µs ± 767 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)*
%%timeit: 覆盖 Jupyter 笔记本一个单元格的多行代码的单元格魔术命令。
*%%timeit
sq = []
cu = []
for i in range(1, 51):
sq.append(i**2)
cu.append(i**3)*
输出:
*37.4 µs ± 1.09 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)*
在本文中，您已经理解了 Python 中的 timeit 模块，以及如何使用它通过示例为代码片段计时。我们已经介绍了使用 timeit 模块的 Python 接口和命令行接口。此外，我们还介绍了 Jupyter 笔记本中流行的用于计时代码片段的 %timeit 和 %%timeit 魔法函数。
- Python 中 a=a+b 和 a+=b 的区别
- 用 Faker 和 Python 生成假数据
- Python 中 sort()和 sorted()的区别
- 最有争议的 Python 的海象算子
- 了解 Python 中的索引和切片
- 理解 Python 中的可迭代项和迭代器
- 理解 Python 中的生成器
我希望你喜欢阅读这篇文章。如果你喜欢我的文章并想订阅 Medium，你可以在这里订阅:
*** [## 通过我的推荐链接加入媒体- Chetan Ambi
chetanambi.medium.com](https://chetanambi.medium.com/membership)***