我想测量两个代码的运行时间,我尝试在python文档中查找timeit,但我并不太明白。有人可以用更初级的词汇来解释吗?
3 回答
注意:复制到如何使用 timeit 模块。
我要告诉你一个秘密:最好的使用方式timeit
是在命令行上。
在命令行上,timeit
进行适当的统计分析:它告诉你最短的运行用了多长时间。这很好,因为时间上的所有错误都是积极的。所以最短的时间误差最小。没有办法得到负错误,因为计算机的计算速度永远不会超过它的计算速度!
所以,命令行界面:
%~> python -m timeit "1 + 2"
10000000 loops, best of 3: 0.0468 usec per loop
这很简单,嗯?
你可以设置东西:
%~> python -m timeit -s "x = range(10000)" "sum(x)"
1000 loops, best of 3: 543 usec per loop
这也很有用!
如果你想要多行,你可以使用 shell 的自动延续或使用单独的参数:
%~> python -m timeit -s "x = range(10000)" -s "y = range(100)" "sum(x)" "min(y)"
1000 loops, best of 3: 554 usec per loop
这给出了一个设置
x = range(1000)
y = range(100)
和时代
sum(x)
min(y)
如果您想拥有更长的脚本,您可能会倾向于移至timeit
Python 脚本内部。我建议避免这种情况,因为在命令行上的分析和时间安排更好。相反,我倾向于制作 shell 脚本:
SETUP="
... # lots of stuff
"
echo Minmod arr1
python -m timeit -s "$SETUP" "Minmod(arr1)"
echo pure_minmod arr1
python -m timeit -s "$SETUP" "pure_minmod(arr1)"
echo better_minmod arr1
python -m timeit -s "$SETUP" "better_minmod(arr1)"
... etc
由于多次初始化,这可能需要更长的时间,但通常这没什么大不了的。
但是如果你想timeit
在你的模块中使用呢?
好吧,简单的方法是:
def function(...):
...
timeit.Timer(function).timeit(number=NUMBER)
这给了你累积的(不是最少的!)时间来运行那个次数。
要获得良好的分析,请使用.repeat
并采取此分钟:
min(timeit.Timer(function).repeat(repeat=REPEATS, number=NUMBER))
您通常应该将其与functools.partial
而不是结合使用lambda: ...
以降低开销。因此你可以有类似的东西:
from functools import partial
def to_time(items):
...
test_items = [1, 2, 3] * 100
times = timeit.Timer(partial(to_time, test_items)).repeat(3, 1000)
# Divide by the number of repeats
time_taken = min(times) / 1000
你也可以这样做:
timeit.timeit("...", setup="from __main__ import ...", number=NUMBER)
这将使您从命令行更接近界面,但以一种不那么酷的方式。允许您在"from __main__ import ..."
由timeit
.
值得注意的是,这是一个方便的包装器Timer(...).timeit(...)
,因此并不是特别擅长计时。我个人更喜欢使用Timer
如上所示。
警告
timeit
到处都有一些警告。
间接费用不计入。假设你想 time
x += 1
,找出加法需要多长时间:>>> python -m timeit -s "x = 0" "x += 1" 10000000 loops, best of 3: 0.0476 usec per loop
嗯,它不是0.0476 µs。你只知道它比这少。所有错误都是正面的。
所以试着找到纯粹的开销:
>>> python -m timeit -s "x = 0" "" 100000000 loops, best of 3: 0.014 usec per loop
仅从时间来看,这是一个很好的30%开销!这会极大地扭曲相对时间。但是您只真正关心添加时间;的查找时间
x
也需要包含在开销中:>>> python -m timeit -s "x = 0" "x" 100000000 loops, best of 3: 0.0166 usec per loop
差异不是很大,但它就在那里。
变异方法是危险的。
python -m timeit -s "x = [0]*100000" "while x: x.pop()" 10000000 loops, best of 3: 0.0436 usec per loop
但这是完全错误的!
x
是第一次迭代后的空列表。您需要重新初始化:>>> python -m timeit "x = [0]*100000" "while x: x.pop()" 100 loops, best of 3: 9.79 msec per loop
但是你有很多开销。单独考虑。
>>> python -m timeit "x = [0]*100000" 1000 loops, best of 3: 261 usec per loop
请注意,这里减去开销是合理的,因为开销只是时间的一小部分。
我发现 IPython 的 %timeit 和 %%timeit 魔术函数比 timeit.timeit 更容易使用(尤其是在使用 ipython notebook 时)。这里有几个例子。
>>> "-".join(str(n) for n in range(100))
'0-1-2-3-4-5-6-7-8-9-10-11-12-13-14-15-16-17-18-19-20-21-22-23-24-25-26-27-28-29-30-31-32-33-34-35-36-37-38-39-40-41-42-43-44-45-46-47-48-49-50-51-52-53-54-55-56-57-58-59-60-61-62-63-64-65-66-67-68-69-70-71-72-73-74-75-76-77-78-79-80-81-82-83-84-85-86-87-88-89-90-91-92-93-94-95-96-97-98-99'
>>>
假设这是您要运行的命令。
导入timeit
. 将命令设为字符串,添加您想要运行它的次数。
>>> timeit.timeit('"-".join(str(n) for n in range(100))', number=100)
0.011214537887298093
文档
这个文档真的难以理解吗?我觉得很清楚。