如何测量python函数的速度

Question

我通常在www.codefights.com上编写代码（函数）作为竞争对手。因此速度是代码的重要部分之一。我怎样才能测量python语言中某个代码的速度，无论是lambda函数还是def函数。

Answer 1

查看pythons标准libaray中的timeit模块：

https://docs.python.org/2/library/timeit.html

>>> import timeit
>>> timeit.timeit('"-".join(str(n) for n in range(100))', number=10000)
0.8187260627746582
>>> timeit.timeit('"-".join([str(n) for n in range(100)])', number=10000)
0.7288308143615723
>>> timeit.timeit('"-".join(map(str, range(100)))', number=10000)
0.5858950614929199

要让timeit模块访问您定义的函数，您可以传递一个包含import语句的setup参数：

def test():
    """Stupid test function"""
    L = []
    for i in range(100):
        L.append(i)

if __name__ == '__main__':
    import timeit
    print(timeit.timeit("test()", setup="from __main__ import test"))

Answer 2

在3步;）

第1步：安装line_profiler

pip install line_profiler

第2步：将@profile添加到您的代码中：

from time import sleep

@profile
def so_slow(bar):
    sleep(5)
    return bar

if __name__ == "__main__":
    so_slow(5)

第3步：测试您的代码：

kernprof -l -v your_code.py

结果

Wrote profile results to your_code.py.lprof
Timer unit: 1e-06 s

Total time: 5.00283 s
File: your_code.py
Function: so_slow at line 4

Line #      Hits         Time  Per Hit   % Time  Line Contents
==============================================================
     4                                           @profile
     5                                           def so_slow(bar):
     6         1      5002830 5002830.0    100.0      sleep(5)
     7         1            2      2.0      0.0      return bar

memory_profiler

您也可以使用memory_profiler，安装它，添加个人资料并调用它：

pip install memory_profiler
python -m memory_profiler your_code.py

结果：

Filename: your_code.py

Line #    Mem usage    Increment   Line Contents
================================================
     4   21.289 MiB    0.000 MiB   @profile
     5                             def so_slow(bar):
     6   21.289 MiB    0.000 MiB       sleep(5)
     7   21.289 MiB    0.000 MiB       return bar

更新

您可以使用objgraph查找memory leak或绘制代码图表：

from time import sleep

import objgraph
x = [1]

objgraph.show_backrefs([x], filename='sample-backref-graph.png')

def so_slow(bar):
    sleep(5)
    return bar

if __name__ == "__main__":
    so_slow(5)

结果：

参考：A guide to analyzing Python performance

Answer 3

您可以在ipython中使用它并使用％time来查看执行该函数所需的分配时间：

In [1]: def function(a,b):
   ...:     return a+b
   ...: 

In [2]: %time function(1, 2)
CPU times: user 5 µs, sys: 0 ns, total: 5 µs
Wall time: 9.06 µs
Out[2]: 3

Answer 4

例如：

import timeit

def a():
    return 1+1

print timeit.timeit(a, number=1000000)