python-timeit

测试一段代码的运行时间，在python里面有个很简单的方法，就是使用timeit模块，使用起来超级方便

 

下面简单介绍一个timeit模块中的函数

主要就是这两个函数：

1,    timeit(stmt='pass', setup='pass', timer=<defaulttimer>, number=1000000)

       返回：

            返回执行stmt这段代码number遍所用的时间，单位为秒，float型

       参数：

            stmt：要执行的那段代码

            setup：执行代码的准备工作，不计入时间，一般是import之类的

            timer：这个在win32下是time.clock()，linux下是time.time()，默认的，不用管

            number：要执行stmt多少遍

2,    repeat(stmt='pass', setup='pass', timer=<defaulttimer>, repeat=3, number=1000000)

       这个函数比timeit函数多了一个repeat参数而已，表示重复执行timeit这个过程多少遍，返回一个列表，表示执行每遍的时间

 

当然，为了方便，python还用了一个Timer类，Timer类里面的函数跟上面介绍的两个函数是一样一样的

 

class timeit.Timer(stmt='pass', setup='pass',timer=<timer function>)

        Timer.timeit(number=1000000)

        Timer.repeat(repeat=3,number=1000000)

 

看懂了吧，一样的，使用的时候哪种方便用哪种 O(∩_∩)O

就相当于

   timeit(stmt='pass', setup='pass', timer=<defaulttimer>, number=1000000)

= Timer(stmt='pass', setup='pass', timer=<timerfunction>).timeit(number=1000000)

  repeat(stmt='pass', setup='pass', timer=<defaulttimer>, repeat=3, number=1000000)

= Timer(stmt='pass', setup='pass', timer=<timerfunction>).repeat(repeat=3, number=1000000)

 

下面看个简单的例子吧

[python]  view plain  copy

1. import timeit  
2. import math  
3. import pprint  
4.   
5. def myfun():  
6.     for i in range(100):  
7.         for j in range(2, 10):  
8.             math.pow(i, 1/j)  
9.   
10. n = 100  
11.   
12. t1 = timeit.timeit(stmt=myfun, number=n)  
13. pprint.pprint(t1)  
14. t2 = timeit.repeat(stmt=myfun, number=n, repeat=5)  
15. pprint.pprint(t2)  
16.   
17. print()  
18.   
19. timeitObj = timeit.Timer(stmt=myfun)  
20. t3 = timeitObj.timeit(number=n)  
21. pprint.pprint(t3)  
22. t4 = timeitObj.repeat(number=n, repeat=5)  
23. pprint.pprint(t4)  
24.   
25.   
26.    

输出结果为：

[python]  view plain  copy

1. 0.05253329430442725  
2. [0.04811309220489818,  
3.  0.04411143942591811,  
4.  0.04442468209438866,  
5.  0.04363309734529072,  
6.  0.0596289993101522]  
7.   
8. 0.05972538166968161  
9. [0.052578808196427296,  
10.  0.047218431876859035,  
11.  0.0431364604649378,  
12.  0.040855411289408616,  
13.  0.04188750572270261]  
14. 0.04400300979614258  

出处：

[python]  view plain  copy

1. 0.05253329430442725  
2. [0.04811309220489818,  
3.  0.04411143942591811,  
4.  0.04442468209438866,  
5.  0.04363309734529072,  
6.  0.0596289993101522]  
7.   
8. 0.05972538166968161  
9. [0.052578808196427296,  
10.  0.047218431876859035,  
11.  0.0431364604649378,  
12.  0.040855411289408616,  
13.  0.04188750572270261]  
14. 0.04400300979614258  

https://blog.csdn.net/calling_wisdom/article/details/41349605

[python]  view plain  copy

1. 0.05253329430442725  
2. [0.04811309220489818,  
3.  0.04411143942591811,  
4.  0.04442468209438866,  
5.  0.04363309734529072,  
6.  0.0596289993101522]  
7.   
8. 0.05972538166968161  
9. [0.052578808196427296,  
10.  0.047218431876859035,  
11.  0.0431364604649378,  
12.  0.040855411289408616,  
13.  0.04188750572270261]  
14. 0.04400300979614258