Question

我正在用Python编写一个迭代大量数据的测试使用外部库对每个函数执行一个函数。每个循环，它有时也需要以某种方式解码和破坏数据。现在基准测试不是主要的优先事项，但我希望它能够衡量一些基本的统计数据，如实际测试的差异和由此引起的开销破坏（如果失控）。

包括an SO answer在内的大多数来源似乎建议使用timeit模块，但他们中的大多数似乎都在讨论简单代码片段的基准测试。也正如答案所指出的那样，time.clock（）似乎值得推荐。

但是我没有找到两者的实际速度之间的比较调用。所以我一直在尝试time.time和time.clock来寻找哪一个更快，更令人惊讶的是time.time（）似乎是赢家。

此代码（借用“The Optimization anecdote”）：

import time

def timing0(f, n):
    print f.__name__,
    r = range(n)
    t1 = time.clock()
    for i in r:
        f(); f(); f(); f(); f()
        f(); f(); f(); f(); f()
    t2 = time.clock()
    print t2-t1

timing0(time.clock, 1000000)
timing0(time.time, 1000000)

几乎不断输出这样的数字：

me@here:~$ ./timing_time
clock 2.47
time 0.47
me@here:~$

唯一的区别是time（）更精确：当我使用time（）时测量，小数点后得到大约11位数。

但是时间（），即使它不那么精确，它总是快5倍左右。

那么为什么clock（）是首选？这在很大程度上取决于架构和操作系统？或者我错过了什么，我的结果不正确？

上面的代码在Debian Wheezy amd64和Python 2.7上运行。我试过了使用在OpenVZ中运行的Python 2.6挤压amd64，结果是大致相同。

time.time（）比time.clock（）更快？

0 个答案: