python之timeit模块

概述timeit模块：timeit模块定义了接受两个参数的Timer类。两个参数都是字符串。第一个参数是你要计时的语句或者函数。传递给Timer的第二个参数是为第一个参数语句构建环境的导入语句。从内部讲，timeit构建起一个独立的虚拟环境，手工地执行建立语句，然后手工地编译和执行被

timeit模块：

timeit 模块定义了接受两个参数的 Timer 类。两个参数都是字符串。 第一个参数是你要计时的语句或者函数。 传递给 Timer 的第二个参数是为第一个参数语句构建环境的导入语句。 从内部讲， timeit 构建起一个独立的虚拟环境， 手工地执行建立语句，然后手工地编译和执行被计时语句。

一旦有了 Timer 对象，最简单的事就是调用 timeit()，它接受一个参数为每个测试中调用被计时语句的次数，默认为一百万次；返回所耗费的秒数。

Timer 对象的另一个主要方法是 repeat()， 它接受两个可选参数。 第一个参数是重复整个测试的次数，第二个参数是每个测试中调用被计时语句的次数。 两个参数都是可选的，它们的默认值分别是 3 和1000000。 repeat() 方法返回以秒记录的每个测试循环的耗时列表。Python 有一个方便的 min 函数可以把输入的列表返回成最小值，如： min(t.repeat(3, 1000000))

　　测试一个列表推导式与for循环的时间

12345678910111213

import timeitfoooo = """sum = []for i in range(1000):    sum.append(i)""" print(timeit.timeit(stmt="[i for i in range(1000)]", number=100000))print(timeit.timeit(stmt=foooo, number=100000)) #res:#3.2855970134734345#8.19918414604134

　　使用列表推导式要比正常使用List追加元素 通过10w次循环会快上近5秒左右，速度快上近三倍。

　　timeit 模块抽象出了；两个可以直接使用的方法，包了一层可以让我们不用关心内部的实现，下面看一下模块里面的代码：

123456789

def timeit(stmt="pass", setup="pass", timer=default_timer,           number=default_number):    """ConvenIEnce function to create Timer object and call timeit method."""    return Timer(stmt, setup, timer).timeit(number) def repeat(stmt="pass", setup="pass", timer=default_timer,           repeat=default_repeat, number=default_number):    """ConvenIEnce function to create Timer object and call repeat method."""    return Timer(stmt, setup, timer).repeat(repeat, number)

　　可以看到这两个方法都是对Timer类包了一层这几个参数：

　　stmt: 这个参数就是statement,可以把要进行计算时间的代码放在里面。他可以直接接受字符串的表达式，也可以接受单个变量，也可以接受函数。

　　setup:  这个参数可以将stmt的环境传进去。比如各种import和参数什么的。

　　timer: 这个参数一般使用不到，具体使用可以参看文档。

　　Timer类下面还有repeat和timeit方法 使用也非常方便就是 timeit.timeit 和  timeit.repeat。

　　一个就是上面例子的timeit，一个就是repeat 其实repeat就比timeit多了一个执行Timer次数的参数。这个执行次数会以数组的形式返回.

1234567891011121314

import timeit foooo = """sum = []for i in range(1000):    sum.append(i)""" print(timeit.repeat(stmt="[i for i in range(1000)]", repeat=2, number=100000))print(min(timeit.repeat(stmt="[i for i in range(1000)]", repeat=2, number=100000))) #res:#[3.4540683642063277, 3.300991128415932]#3.321008256502136

　　我们可以根据此，对所有执行时间取min最小值，平均值，最大值得到我们想要的数据。

1234567891011121314151617181920212223242526

# Coding: utf-8import timeit # 初始化类x = """say_hi.ParseFromString(p)""" y = """simpleJson.loads(x)""" print(timeit.timeit(stmt=x, setup="import say_hi_pb2;"                                  "say_hi = say_hi_pb2.SayHi();"                                  "say_hi.ID = 13423;"                                  "say_hi.something = 'axiba';"                                  "say_hi.extra_info = 'xiba';"                                  "p =say_hi.SerializetoString()", number=1000000)) print(timeit.timeit(stmt=y, setup="import simpleJson; "                                  "Json={"                                  "'ID': 13423,"                                  "'something': 'axiba',"                                  "'extra_info': 'xiba',"                                  "};"                                  "x = simpleJson.dumps(Json)", number=1000000))<br>

另外需要补充一点是，如果你想直接 stmt 那里执行函数。可以把函数申明在当前文件中，然后在 stmt = ‘func()’ 执行函数。然后使用 setup = ‘from __main__ import func’ 即可，如果要import 多个需要使用 setup = from __main__ import func; import simpleJson'

　　

12345678910111213141516171819202122232425262728293031323334353637

def test1():    n=0    for i in range(101):        n+=i    return ndef test2():    return sum(range(101))def test3():    return sum(x for x in range(101))if __name__=='__main__':    from timeit import Timer    t1=Timer("test1()","from __main__ import test1")    t2=Timer("test2()","from __main__ import test2")    t3=Timer("test3()","from __main__ import test3")    print(t1.timeit(10000))    print(t2.timeit(10000))    print(t3.timeit(10000))    print(t1.repeat(3,10000))    print(t2.repeat(3,10000))    print(t3.repeat(3,10000))    t4 = timeit.timeit(stmt=test1,setup="from __main__ import test1",number=10000)    t5 = timeit.timeit(stmt=test2,setup="from __main__ import test2",number=10000)    t6 = timeit.timeit(stmt=test3,setup="from __main__ import test3",number=10000)    print(t4) #0.05130029071325269    print(t5) #0.015494466822610305    print(t6) #0.05650903115721077    print(timeit.repeat(stmt=test1,setup="from __main__ import test1",number=10000)) # [0.05308853391023148, 0.04544335904366706, 0.05969025402337652]    print(timeit.repeat(stmt=test2,setup="from __main__ import test2",number=10000)) # [0.012824560678924846, 0.017111019558035345, 0.01429126826003152]    print(timeit.repeat(stmt=test3,setup="from __main__ import test3",number=10000)) # [0.07385010910706968, 0.06244617606430164, 0.06273494371932059] #res:0.0439169182005883850.0148923555419325780.05214884436618059[0.04372713709398021, 0.04197132052492908, 0.04255431716177577][0.014356804181737959, 0.012456603785177323, 0.012629659578433372][0.0543709217115389, 0.05334180294099272, 0.05334931226535494]

　　

总结

以上是内存溢出为你收集整理的python之timeit模块全部内容，希望文章能够帮你解决python之timeit模块所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。