Pythontimeit测量小代码片段的执行时间

python lib

源码: Lib/timeit.py


该模块提供了一种简单的方法来计算一小段 Python 代码的耗时。它有 命令行界面 以及一个 可调用 方法。它避免了许多用于测量执行时间的常见陷阱。另见 Tim Peters 对 O'Reilly 出版的 Python Cookbook 中“算法”章节的介绍。

基本示例¶

以下示例显示了如何使用 命令行界面 来比较三个不同的表达式:

$python3 -m timeit '"-".join(str(n) for n in range(100))'

10000 loops, best of 5: 30.2 usec per loop

$python3 -m timeit '"-".join([str(n) for n in range(100)])'

10000 loops, best of 5: 27.5 usec per loop

$ python3 -m timeit '"-".join(map(str, range(100)))'

10000 loops, best of 5: 23.2 usec per loop

这可以通过 Python 接口 实现

>>> importtimeit

>>> timeit.timeit('"-".join(str(n) for n in range(100))',number=10000)

0.3018611848820001

>>> timeit.timeit('"-".join([str(n) for n in range(100)])',number=10000)

0.2727368790656328

>>> timeit.timeit('"-".join(map(str, range(100)))',number=10000)

0.23702679807320237

Python 接口 还可以传出一个可调用对象:

>>> timeit.timeit(lambda:"-".join(map(str,range(100))),number=10000)

0.19665591977536678

但请注意 timeit() 仅在使用命令行界面时会自动确定重复次数。 在 例子 一节你可以找到更多的进阶示例。

Python 接口¶

该模块定义了三个便利函数和一个公共类:

timeit.timeit(stmt='pass', setup='pass', timer=<default timer>, number=1000000, globals=None)

使用给定语句、 setup 代码和 timer 函数创建一个 Timer 实例,并执行 number 次其 timeit() 方法。可选的 globals 参数指定用于执行代码的命名空间。

在 3.5 版更改: 添加可选参数 globals

timeit.repeat(stmt='pass', setup='pass', timer=<default timer>, repeat=5, number=1000000, globals=None)

使用给定语句、 setup 代码和 timer 函数创建一个 Timer 实例,并使用给定的 repeat 计数和 number 执行运行其 repeat() 方法。可选的 globals 参数指定用于执行代码的命名空间。

在 3.5 版更改: 添加可选参数 globals

在 3.7 版更改: repeat 的默认值由 3 更改为 5 。

timeit.default_timer()

默认的计时器,总是 time.perf_counter()

在 3.3 版更改: time.perf_counter() 现在是默认计时器。

class timeit.Timer(stmt='pass', setup='pass', timer=<timer function>, globals=None)

用于小代码片段的计数执行速度的类。

构造函数接受一个将计时的语句、一个用于设置的附加语句和一个定时器函数。两个语句都默认为 'pass' ;计时器函数与平台有关(请参阅模块文档字符串)。 stmtsetup 也可能包含多个以 ; 或换行符分隔的语句,只要它们不包含多行字符串文字即可。该语句默认在 timeit 的命名空间内执行;可以通过将命名空间传递给 globals 来控制此行为。

要测量第一个语句的执行时间,请使用 timeit() 方法。 repeat()autorange() 方法是方便的方法来调用 timeit() 多次。

setup 的执行时间从总体计时执行中排除。

stmtsetup 参数也可以使用不带参数的可调用对象。这将在一个计时器函数中嵌入对它们的调用,然后由 timeit() 执行。请注意,由于额外的函数调用,在这种情况下,计时开销会略大一些。

在 3.5 版更改: 添加可选参数 globals

timeit(number=1000000)

执行 number 次主要语句。这将执行一次 setup 语句,然后返回执行主语句多次所需的时间,以秒为单位测量为浮点数。参数是通过循环的次数,默认为一百万。要使用的主语句、 setup 语句和 timer 函数将传递给构造函数。

注解

默认情况下, timeit() 暂时关闭 garbage collection 。这种方法的优点在于它使独立时序更具可比性。缺点是GC可能是所测量功能性能的重要组成部分。如果是这样,可以在 setup 字符串中的第一个语句重新启用GC。例如:

timeit.Timer('for i in range(10): oct(i)','gc.enable()').timeit()

autorange(callback=None)

自动决定调用多少次 timeit()

这是一个便利函数,它反复调用 timeit() ,以便总时间 >= 0.2 秒,返回最终(循环次数,循环所用的时间)。它调用 timeit() 的次数以序列 1, 2, 5, 10, 20, 50, ... 递增,直到所用的时间至少为0.2秒。

如果给出 callback 并且不是 None ,则在每次试验后将使用两个参数调用它: callback(number,time_taken)

3.6 新版功能.

repeat(repeat=5, number=1000000)

调用 timeit() 几次。

这是一个方便的函数,它反复调用 timeit() ,返回结果列表。第一个参数指定调用 timeit() 的次数。第二个参数指定 timeit()number 参数。

注解

从结果向量计算并报告平均值和标准差这些是很诱人的。但是,这不是很有用。在典型情况下,最低值给出了机器运行给定代码段的速度的下限;结果向量中较高的值通常不是由Python的速度变化引起的,而是由于其他过程干扰你的计时准确性。所以结果的 min() 可能是你应该感兴趣的唯一数字。之后,你应该看看整个向量并应用常识而不是统计。

在 3.7 版更改: repeat 的默认值由 3 更改为 5 。

print_exc(file=None)

帮助程序从计时代码中打印回溯。

典型使用:

t=Timer(...)# outside the try/except

try:

t.timeit(...)# or t.repeat(...)

exceptException:

t.print_exc()

与标准回溯相比,优势在于将显示已编译模板中的源行。可选的 file 参数指向发送回溯的位置;它默认为 sys.stderr

命令行界面¶

从命令行调用程序时,使用以下表单:

python-mtimeit[-nN][-rN][-uU][-sS][-h][statement...]

如果了解以下选项:

-n N, --number=N

执行 '语句' 多少次

-r N, --repeat=N

重复计时器的次数(默认为5)

-s S, --setup=S

最初要执行一次的语句(默认为 pass

-p, --process

测量进程时间,而不是 wallclock 时间,使用 time.process_time() 而不是 time.perf_counter() ,这是默认值

3.3 新版功能.

-u, --unit=U

指定定时器输出的时间单位;可以选择 nsec,usec,msec或sec

3.5 新版功能.

-v, --verbose

打印原始计时结果;重复更多位数精度

-h, --help

打印一条简短的使用信息并退出

可以通过将每一行指定为单独的语句参数来给出多行语句;通过在引号中包含参数并使用前导空格可以缩进行。多个 -s 选项的处理方式相似。

如果未给出 -n,则会通过尝试按序列 1, 2, 5, 10, 20, 50, ... 递增的数值来计算合适的循环次数,直到总计时间至少为 0.2 秒。

default_timer() 测量可能受到在同一台机器上运行的其他程序的影响,因此在需要精确计时时最好的做法是重复几次计时并使用最佳时间。 -r 选项对此有利;在大多数情况下,默认的 5 次重复可能就足够了。 你可以使用 time.process_time() 来测量CPU时间。

注解

执行 pass 语句会产生一定的基线开销。这里的代码不会试图隐藏它,但你应该知道它。可以通过不带参数调用程序来测量基线开销,并且Python版本之间可能会有所不同。

例子¶

可以提供一个在开头只执行一次的 setup 语句:

$ python -m timeit -s 'text = "sample string"; char = "g"''char in text'

5000000 loops, best of 5: 0.0877 usec per loop

$ python -m timeit -s 'text = "sample string"; char = "g"''text.find(char)'

1000000 loops, best of 5: 0.342 usec per loop

>>> importtimeit

>>> timeit.timeit('char in text',setup='text = "sample string"; char = "g"')

0.41440500499993504

>>> timeit.timeit('text.find(char)',setup='text = "sample string"; char = "g"')

1.7246671520006203

使用 Timer 类及其方法可以完成同样的操作:

>>> importtimeit

>>> t=timeit.Timer('char in text',setup='text = "sample string"; char = "g"')

>>> t.timeit()

0.3955516149999312

>>> t.repeat()

[0.40183617287970225, 0.37027556854118704, 0.38344867356679524, 0.3712595970846668, 0.37866875250654886]

以下示例显示如何计算包含多行的表达式。 在这里我们对比使用 hasattr()try/except 的开销来测试缺失与提供对象属性:

$ python -m timeit 'try:''  str.__bool__''except AttributeError:''  pass'

20000 loops, best of 5: 15.7 usec per loop

$ python -m timeit 'if hasattr(str, "__bool__"): pass'

50000 loops, best of 5: 4.26 usec per loop

$ python -m timeit 'try:'' int.__bool__''except AttributeError:'' pass'

200000 loops, best of 5: 1.43 usec per loop

$ python -m timeit 'if hasattr(int, "__bool__"): pass'

100000 loops, best of 5: 2.23 usec per loop

>>> importtimeit

>>> # attribute is missing

>>> s="""\

... try:

... str.__bool__

... except AttributeError:

... pass

... """

>>> timeit.timeit(stmt=s,number=100000)

0.9138244460009446

>>> s="if hasattr(str, '__bool__'): pass"

>>> timeit.timeit(stmt=s,number=100000)

0.5829014980008651

>>>

>>> # attribute is present

>>> s="""\

... try:

... int.__bool__

... except AttributeError:

... pass

... """

>>> timeit.timeit(stmt=s,number=100000)

0.04215312199994514

>>> s="if hasattr(int, '__bool__'): pass"

>>> timeit.timeit(stmt=s,number=100000)

0.08588060699912603

要让 timeit 模块访问你定义的函数,你可以传递一个包含 import 语句的 setup 参数:

deftest():

"""Stupid test function"""

L=[iforiinrange(100)]

if__name__=='__main__':

importtimeit

print(timeit.timeit("test()",setup="from __main__ import test"))

另一种选择是将 globals() 传递给 globals 参数,这将导致代码在当前的全局命名空间中执行。这比单独指定 import 更方便

deff(x):

returnx**2

defg(x):

returnx**4

defh(x):

returnx**8

importtimeit

print(timeit.timeit('[func(42) for func in (f,g,h)]',globals=globals()))

以上是 Pythontimeit测量小代码片段的执行时间 的全部内容, 来源链接: utcz.com/z/508218.html

回到顶部