共计 1731 个字符,预计需要花费 5 分钟才能阅读完成。
导读 | 这篇文章主要介绍了 python 中的代码运行时间获取方式,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教 |
我们知道为了提高代码的运行速度,我们需要对书写的 python 代码进行性能测试,而代码性能的高低的直接反馈是电脑运行代码所需要的时间。
这里将介绍四种常用的测试代码运行速度的方法。
使用 time 模块对代码的运行时间进行统计,代码如下:
import time
class Debug:
def mainProgram(self):
start_time = time.time()
for i in range(100):
print(i)
end_time = time.time()
print(f"the running time is: {end_time - start_time} s")
if __name__ == "__main__":
main = Debug()
main.mainProgram()
我们采用 time 模块给所要测试的代码的前后加上时间戳,一个记为 start_time,一个记作 end_time,最后代码块的运行时间为 end_time-start_time,单位为 s(秒)。
当然在 python 中还有许多的记录时间的模块,这里不做过多讨论,均类似于 time 模块,实现思路上一致,代码实现上大同小异。
使用 IPython 的 Built-in magic commands,%time, 代码如下:
class Debug:
def mainProgram(self):
%time for i in range(100): print(i)
main = Debug()
main.mainProgram()
"""Wall time: 1.99 ms"""
这个类定义是可以去掉的,并不会影响最终的结果,%time 后面加上想要计算时间的代码,然后编译器就会在运行后自动给出所测试代码的运行时间,但是经过测试,%time 方法测出的时间并不准确,时间波动范围非常大,这个是很好理解的,因为计算机每时每刻都在处理一些进程,也就是说计算机的运行状态每时每刻都是不同的,所以在不同的时刻测试同一段代码的运行时间也会得到不同的结果。
用 IPython 的另一个 Built-in magic commands,%timeit,使用方法类似于 %time,代码如下:
class Debug:
def mainProgram(self):
%timeit for i in range(100): print(i)
main = Debug()
main.mainProgram()
"""8.53 ms ± 452 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)"""
我们可以看到得到的结果是:每个循环 8.53 ms±452 µs(平均±标准偏差,共运行 7 次,每个循环 100 个)%timeit 相比于 %time,%timeit 会多次执行测试代码,并且会取它们运行时间的平均值,并且还会计算出它们的标准差,因此这种计算方法计算的结果相对于使用 %time 执行测试代码一次是比较准确的。
导入 timeit 模块来计算代码块的执行时间
import timeit
class Debug:
def mainProgram(self):
result = timeit.timeit(stmt="for i in range(100): print(i)", number=10)
print(result)
main = Debug()
main.mainProgram()
"""0.05363089999991644 s"""
导入 timeit 模块后使用 timeit.timeit() 来测试想要测试的代码,并且代码以 string 的形式进行输入,并且需要设定 number 值,设定测试的该段代码需要执行的次数,最终我们得到 0.05363089999991644,单位是 s( 秒),与内置魔法方法 %timeit 方法不同的是虽然也是多次计算,但是最终获取的时间是 n 次执行代码所需的总时间而不是执行一次的时间。
至此,代码的运行速度测试方法的介绍暂时告一段落。
![post-qrcode](https://www.xgss.net/wp-content/uploads/2023/07/二维码-微信公众号256x256.jpg)