我很快就试图在ipython中计算2个函数，m1()和m2()使用2个不同的实现执行相同的任务。
In [23]: %timeit for x in range(100): m1(a)
10000 loops, best of 3: 57.6 us per loop
In [24]: %timeit for x in range(100): m2(a)
10000 loops, best of 3: 108 us per loop
结果：第一次实施快了近2倍。到目前为止，非常好。
出于好奇，我改变了上面for循环的范围，现在我不知道输出是什么。
In [25]: %timeit for x in range(1): m2(a)
1000000 loops, best of 3: 1.29 us per loop
In [26]: %timeit for x in range(10): m2(a)
100000 loops, best of 3: 10.8 us per loop
In [27]: %timeit for x in range(1000): m2(a)
1000 loops, best of 3: 1.06 ms per loop
for循环到底在做什么？为什么循环次数的值会随着增加范围值而减小？
PS：我使用this作为参考。另外，如果标题没有完全传达我的问题，请将标题编辑得更好。
答案 0 :(得分：2)
timeit正在计算整个块的执行时间。
所以你看到的是：
m2(a) 1次需要1.29 us m2(a) 10次需要10.8 us m2(a) 1000次需要1.06 ms 这是有道理的，因为1.06ms = 1060 us，大约是基线的1000倍（而10.8 us是基线的大约10倍）
至于循环次数，timeit旨在在合理的时间内运行：
$ python -mtimeit -h
...
If -n is not given, a suitable number of loops is calculated by trying
successive powers of 10 until the total time is at least 0.2 seconds.
答案 1 :(得分：1)
所以我终于明白了发生了什么，感谢@Nirk的回答。
In [26]: %timeit for x in range(100): m2(a)
10000 loops, best of 3: 108 us per loop
下面，
%timeit =＆gt; ipython魔术召唤
for x in range(100): m2(a) =＆gt;正在执行的声明。根据范围值，每次运行的执行时间增加/减少
10000 loops =＆gt;根据总时间最小0.2 s的timeit模块约束，timeit将运行的最小循环次数
best of 3: 108 us per loop =＆gt;由timeit运行的最佳3循环所花费的平均时间。
假设每次运行的时间与最佳运行时间的平均值相同，则每次运行的时间= 108 us
需要的最小循环= 10^x，其中x是满足1.08 * (10^-4) * (10^x) > 2 * (10^-1)的最小正整数
，(10^x) > 1.85 * (10^3) =＆gt;的最小x x = 4
因此需要最小循环= 10 ^ x = 10000 loops。