Question

在Python 3.4.1中，我试图测量一个函数运行和完成然后记录它所需的时间。我现在这样做是这样的：

starttime = time.clock()
asyncio.wait_for((method()), 5)
endtime = time.clock()
print(endtime - starttime)

这通常导致Python在6.29989986222767E-06（或0.00000629989986222767E）附近吐出一些东西。然后我用time.sleep尝试了它：

starttime = time.clock()
asyncio.wait_for((time.sleep(3)), 5)
endtime = time.clock()
print(endtime - starttime)

这又导致了6.87261802845284E-06，尽管（至少我认为）它应该需要3秒钟。我尝试使用线程，结果相同。你怎么看？如何衡量函数运行和完成所需的时间？

Answer 1

我通常使用这个装饰器为我的功能计时：

import time                                                
def timeit(method):
    def timed(*args, **kw):
        ts = time.time()
        result = method(*args, **kw)
        te = time.time()
        print '%r (%r, %r) %2.2f sec' % \
              (method.__name__, args, kw, te-ts)
        return result

    return timed

@timeit
def timeme():
    time.sleep(3)

time.time()提供的基准测试时间比time.clock()更准确，主要是因为time.clock()测量CPU时间。 time.time()将返回自纪元以来经过的秒数（即墙上时间），这正是您所需要的。

或者您也可以使用timeit https://docs.python.org/3/library/timeit.html

Answer 2

为了快速进行性能分析，我使用以下两行（加上导入）：

import time
import numpy as np

t = time.time()
# ...
print np.round_(time.time() - t, 3), 'sec elapsed'

它简短，简单而且我通常都需要。

（在大多数情况下，我还是导入了numpy。所以这对我没有任何开销。）

Answer 3

我承认我对Python的asyncio并不是很熟悉，但我认为问题不在于你的时间，而在于你asyncio的使用。

我认为你只是用method（）的价值创造一个未来，然而这就是你正在计划的时间：实际创造这个承诺。

您没有计划对未来价值的实际评估。这就是为什么计时睡眠（3）和方法（）花费的时间大致相同。

如果可以的话，我建议您尝试使用asyncio.wait_for((method()), 5)或仅yield from asyncio.wait_for((method()), 3)更改timing method()。

测量函数在Python中运行和完成所需的时间

3 个答案: