Question

需要此代码的帮助

import timeit

mysetup=""

mycode='''

def gener():
 ...my code here...
 return x
 '''

# timeit statement
print (timeit.timeit(setup = mysetup,
                    stmt = mycode,
                    number = 1000000))

print("done")

结果我得到0.0008606994517737132 当我读到这个单位是在＆＃34;秒＆＃34; 所以我的功能在0.8毫秒内执行了100万次？我认为这不是真的，太快了。

我也试过基本选项

start = time.time()
my code here
end = time.time()
print(end - start)

得到0.23901081085205078一次性执行似乎有点慢......

那么我做错了什么？感谢

Answer 1

您在mycode方法中为timeit方法定义此方法的方式，所有将要发生的函数gener将被定义，而不是运行。您需要在代码块中运行该函数，以报告执行所需的时间。

至于合理的时间长度（太快/太慢），这在很大程度上取决于你的代码在做什么。但是我怀疑你已经在方法2中执行了该函数，并且只在方法1中定义了它，因此存在差异。

编辑：示例代码

为了说明差异，在下面的示例中，块code1只定义了一个函数，它不执行它。块code2定义并执行该函数。

import timeit

code1 = '''
def gener():
    time.sleep(0.01)
'''

code2 = '''
def gener():
    time.sleep(0.01)
gener()
'''

我们应该预计运行time.sleep(0.01) 100次需要大约1秒钟。为timeit运行code1会返回~10 ^ -5秒，因为实际上没有调用函数gener：

timeit.timeit(stmt=code1, number=100)

为timeit运行code2会返回约1秒的预期结果：

timeit.timeit(stmt=code2, number=100)

除此之外，setup参数的要点是进行设置（代码中不打算定时的部分）。如果您希望timeit捕获gener的执行时间，则应使用此项：

import timeit

setup = '''
def gener():
    time.sleep(0.01)
'''

stmt = "gener()"

timeit.timeit(setup=setup, stmt=stmt, number=100)

这将返回运行 gener 100次所需的时间，不包括定义它所花费的时间。

Answer 2

如果你想时间函数timeit可以像这样使用：

# defining some function you want to time
def test(n):
    s = 0
    for i in range(n):
        s += i
    return s

# defining a function which runs the function to be timed with desired input arguments
timed_func = lambda : test(1000)

# the above is done so that we have a function which takes no input arguments

N = 10000 # number of repeats
time_per_run = timeit.timeit(stmt=timed_func, number=N)/N

根据您的情况，您可以这样做：

# defining some function you want to time
def gener():
    ...my code here...
    return x

N = 1000000 # number of repeats
time_per_run = timeit.timeit(stmt=gener, number=N)/N

任何图书馆的导入都可以在调用timeit函数之前全局完成，timeit将使用全局导入的库

e.g。

import numpy as np

# defining some function you want to time
def gener():
    ...my code here...
    x = np.sqrt(y)
    return x


N = 1000000 # number of repeats
time_per_run = timeit.timeit(stmt=gener, number=N)/N

Answer 3

工作代码

# importing the required module
import timeit

# code snippet to be executed only once
mysetup = '''
from collections import OrderedDict
def gener():
 some lines of code here
 return x'''

# code snippet whose execution time is to be measured
mycode="gener()"



# timeit statement
nb=10
print("The code run {} time in: ".format(nb ))
print("{} secondes".format(timeit.timeit(setup = mysetup,
                stmt = mycode,
                number = nb)))

print("done")

执行时间与下面的执行时间几乎相同

start = time.time()
my code here
end = time.time()
print(end - start)

时间为0.23秒，基本测量代码高于0.24，它们都有波动... 谢谢，问题解决了

Answer 4

这是一种测量代码段时间的通用方法。

import time
class timer(object):
    """
        A simple timer used to time blocks of code. Usage as follows:

        with timer("optional_name"):
            some code ...
            some more code
    """
    def __init__(self, name=None):
        self.name = name

    def __enter__(self):
        self.start = time.time()
        return self

    def __exit__(self, *args):
        self.end = time.time()
        self.interval = self.end - self.start
        if self.name:
            print("{} -  Elapsed time: {:.4f}s".format(self.name, self.interval))
        else:
            print("Elapsed time: {:.4f}s".format(self.interval))

要点在这里可用：https://gist.github.com/Jakobovski/191b9e95ac964b61e8abc7436111d1f9

如何测量python代码的执行时间

4 个答案:

编辑：示例代码