我想知道%timeit
IPython命令
来自docs：
%timeit [-n<N> -r<R> [-t|-c] -q -p<P> -o] setup_code选项：
-n：在循环中执行给定的语句次数。如果未给出该值，则选择拟合值。
-r：重复循环迭代次数并获得最佳结果。默认值：3
例如，如果我写：
%timeit -n 250 -r 2 [i+1 for i in range(5000)]
那么，-n 250执行[i+1 for i in range(5000)] 250次？那么-r 2是什么？
答案 0 :(得分：6)
它指定重复次数，重复次数用于确定平均值。例如：
%timeit -n 250 a = 2
# 61.9 ns ± 1.01 ns per loop (mean ± std. dev. of 7 runs, 250 loops each)
%timeit -n 250 -r 2 a = 2
# 62.6 ns ± 0 ns per loop (mean ± std. dev. of 2 runs, 250 loops each)
执行次数为n * r，但统计数据基于repeats（r）的数量，但每次重复的“循环次数”是根据number（n）。
基本上你需要一个足够大的n，所以循环次数的最小值足够“足以”代表最快的执行时间，但你还需要一个足够大的r来获得准确的关于“最快可能的执行时间”测量值的可信度的“统计数据”（特别是如果您怀疑某些缓存可能正在发生）。
对于肤浅的时间安排，您应始终使用r 3，5或7（在大多数情况下足够大）并选择n为尽可能高 - 但不要太高，你可能希望它在合理的时间内完成： - ）
答案 1 :(得分：1)
timeit -n 250 <statement>
该声明将执行3 * 250 = 750次（-r默认值为3）
timeit -n 250 -r 4 <statement>
该声明将执行4 * 250 = 1000次
-r - 重复计时器的次数（在上面的示例中，每次使用-n 250调用计时器，这意味着250次执行）
答案 2 :(得分：0)
一种更统计的解释方式是对某些统计信息的分布（具体来说，其均值和标准差）的自举估计，在这种情况下：“ r”可以看作样本数，“ n”可以看作样本数每个样本的大小。