代码

时间:2015-11-26 16:32:43

标签: python timing

魔术命令%timeit非常适合以交互方式测量代码执行时间。但是,我希望获得%timeit的结果以绘制结果。 timeit.timeit也允许这样做,但没有自动缩放迭代次数和%timeit的结果的标准化。

是否有一个内置函数可以计算一段代码,它还会自动调整它执行的迭代次数,并返回一个标准化结果?

3 个答案:

答案 0 :(得分:5)

魔术%timeit命令提供-o选项:

  

-o:返回一个TimeitResult,可以存储在变量中以更详细地检查结果。

它仍然会打印结果,但也会返回结果,以便可以在变量中捕获它。 magic命令的语法有点受限但您可以通过将其分配给变量并将该变量附加到列表中来收集list中的不同结果:

res = []
for i in range(3):
    a = %timeit -o 10*10
    res.append(a)
# 10000000 loops, best of 3: 61 ns per loop
# 10000000 loops, best of 3: 61.1 ns per loop
# 10000000 loops, best of 3: 60.8 ns per loop

然后访问res

print(res)
# [<TimeitResult : 10000000 loops, best of 3: 61.2 ns per loop>,
#  <TimeitResult : 10000000 loops, best of 3: 61.3 ns per loop>,
#  <TimeitResult : 10000000 loops, best of 3: 61.5 ns per loop>]

这些结果中的每一个都有几个属性,这些属性可能很有用:

print(res[0].all_runs)
# [0.6166532894762563, 0.6102780388983005, 0.6370787790842183]
print(res[0].best)
# 6.102780388983005e-08
print(res[0].compile_time)
# 0.00020554513866197934
print(res[0].loops)
# 10000000
print(res[0].repeat)
# 3
print(res[0].worst)
# 1.1170931449020795e-06

例如,要绘制创建包含最佳值的新列表所需的最佳时间:

res_best_times = [result.best * 1e9 for result in res] 
# "* 1e9" to get the result in nanoseconds
print(res_best_times)
# [61.2, 61.3, 61.5]

答案 1 :(得分:3)

假设您可以使用/ import IPython,并且您只想创建一个使用%timeit魔法的无头脚本,您可以执行以下操作。

假设以下文件位于testme.py:

文件中
from IPython import get_ipython

def myfun(x):
    return x**x

val = 12.3
out = get_ipython().run_line_magic("timeit","-o myfun({})".format(val))

#do something with out, which will be a TimeitResult object

然后您可以使用以下方式非交互式运行脚本:

ipython testme.py

答案 2 :(得分:0)

使用细胞魔法%%

在:

%%timeit -o
res = []
for i in range(5):
    a = 10*10
    res.append(a)

出局:

526 ns ± 44.2 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
<TimeitResult : 526 ns ± 44.2 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)>

下划线“ _”存储最后一个表达式值

在:

result = _
result

出局:

<TimeitResult : 526 ns ± 44.2 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)>

现在我们可以从属性(help(result))中获取更多数据

在:

print(result.average)  # 2.358365715216288e-06
print(result.stdev)  # 5.159462070683934e-07
print(result.timings)  #[3.5457100011626608e-06, ..., 2.4937099988164847e-06]
print(result.all_runs)  # [0.0003545710001162661, ... 0.00024937099988164846]
print(result.best)  # 2.003900021442676e-06
print(result.compile_time)  # 0.00030000000000995897
print(result.loops)  # 100
print(result.repeat)  # 7
print(result.worst)  # 3.5457100011626608e-06