我理解timeit
的概念,但我不知道如何在我的代码中实现它。
如何将insertion_sort
和tim_sort
两个函数与timeit
进行比较?
答案 0 :(得分:242)
timeit 的工作方式是运行一次设置代码,然后重复调用一系列语句。所以,如果你想测试排序,需要注意一点,这样就地排序的一次传递不会影响已经排序的数据的下一次传递(当然,这会使Timsort真正闪耀因为当数据已经部分订购时它表现得最好。)
以下是如何设置排序测试的示例:
>>> import timeit
>>> setup = '''
import random
random.seed('slartibartfast')
s = [random.random() for i in range(1000)]
timsort = list.sort
'''
>>> print min(timeit.Timer('a=s[:]; timsort(a)', setup=setup).repeat(7, 1000))
0.334147930145
请注意,系列语句会在每次传递时生成未分类数据的新副本。
另外,请注意运行测量套件七次并保持最佳时间的计时技术 - 这可以真正帮助减少由于系统上运行的其他进程而导致的测量失真。
这些是我正确使用timeit的提示。希望这会有所帮助: - )
答案 1 :(得分:238)
如果要在交互式Python会话中使用timeit
,有两个方便的选项:
使用IPython shell。它具有方便的%timeit
特殊功能:
In [1]: def f(x):
...: return x*x
...:
In [2]: %timeit for x in range(100): f(x)
100000 loops, best of 3: 20.3 us per loop
在标准Python解释器中,您可以通过在setup语句中从__main__
导入它们来访问先前在交互式会话期间定义的函数和其他名称:
>>> def f(x):
... return x * x
...
>>> import timeit
>>> timeit.repeat("for x in range(100): f(x)", "from __main__ import f",
number=100000)
[2.0640320777893066, 2.0876040458679199, 2.0520210266113281]
答案 2 :(得分:117)
我会告诉你一个秘密:使用timeit
的最佳方法是在命令行上。
在命令行上,timeit
进行适当的统计分析:它会告诉您最短的运行时间。这很好,因为时间上的所有错误都是正的。因此,最短的时间内错误最少。没有办法得到负面错误,因为计算机无法计算得比计算速度快!
所以,命令行界面:
%~> python -m timeit "1 + 2"
10000000 loops, best of 3: 0.0468 usec per loop
这很简单,嗯?
你可以设置内容:
%~> python -m timeit -s "x = range(10000)" "sum(x)"
1000 loops, best of 3: 543 usec per loop
也很有用!
如果你想要多行,你可以使用shell的自动延续或使用单独的参数:
%~> python -m timeit -s "x = range(10000)" -s "y = range(100)" "sum(x)" "min(y)"
1000 loops, best of 3: 554 usec per loop
这给出了
的设置x = range(1000)
y = range(100)
和时间
sum(x)
min(y)
如果您想要更长的脚本,可能会想要在Python脚本中移动到timeit
。我建议避免这种情况,因为在命令行上分析和计时更好。相反,我倾向于制作shell脚本:
SETUP="
... # lots of stuff
"
echo Minmod arr1
python -m timeit -s "$SETUP" "Minmod(arr1)"
echo pure_minmod arr1
python -m timeit -s "$SETUP" "pure_minmod(arr1)"
echo better_minmod arr1
python -m timeit -s "$SETUP" "better_minmod(arr1)"
... etc
由于多次初始化,这可能会花费更长的时间,但通常这不是什么大问题。
但是如果你希望在你的模块中使用timeit
怎么办?
嗯,简单的方法是:
def function(...):
...
timeit.Timer(function).timeit(number=NUMBER)
这会给你累积(不最小!)的时间来运行这么多次。
要获得良好的分析,请使用.repeat
并采取最低限度:
min(timeit.Timer(function).repeat(repeat=REPEATS, number=NUMBER))
您通常应将其与functools.partial
而不是lambda: ...
结合使用,以降低开销。因此,您可以拥有类似的内容:
from functools import partial
def to_time(items):
...
test_items = [1, 2, 3] * 100
times = timeit.Timer(partial(to_time, test_items)).repeat(3, 1000)
# Divide by the number of repeats
time_taken = min(times) / 1000
你也可以这样做:
timeit.timeit("...", setup="from __main__ import ...", number=NUMBER)
它可以让您从命令行更接近接口,但却不那么酷。 "from __main__ import ..."
允许您在timeit
创建的人工环境中使用主模块中的代码。
值得注意的是,这是Timer(...).timeit(...)
的便利包装,因此在时间上并不是特别好。我个人更喜欢使用Timer(...).repeat(...)
,如上所示。
timeit
有一些警告随处可见。
不计入间接费用。假设您想要花时间x += 1
,以了解添加需要多长时间:
>>> python -m timeit -s "x = 0" "x += 1"
10000000 loops, best of 3: 0.0476 usec per loop
嗯,不0.0476μs。你只知道少。所有错误都是正面的。
因此,尝试找到纯开销:
>>> python -m timeit -s "x = 0" ""
100000000 loops, best of 3: 0.014 usec per loop
从时间开始,这是一个很好的<强> 30%开销!这可以大大扭曲相对时间。但你真的很关心添加时间; x
的查找时间也需要包含在开销中:
>>> python -m timeit -s "x = 0" "x"
100000000 loops, best of 3: 0.0166 usec per loop
差别不大,但它就在那里。
变异方法很危险。
>>> python -m timeit -s "x = [0]*100000" "while x: x.pop()"
10000000 loops, best of 3: 0.0436 usec per loop
但是完全错误了! x
是第一次迭代后的空列表。您需要重新初始化:
>>> python -m timeit "x = [0]*100000" "while x: x.pop()"
100 loops, best of 3: 9.79 msec per loop
但是你有很多开销。单独说明。
>>> python -m timeit "x = [0]*100000"
1000 loops, best of 3: 261 usec per loop
请注意,减去开销在这里是合理的,因为开销是时间的一小部分。
对于您的示例,值得注意的是 插入排序和Tim排序对已经排序的列表具有完全不寻常的计时行为。这意味着如果您想避免破坏时间,则需要random.shuffle
之间的分类。
答案 3 :(得分:81)
如果你想快速比较两个代码/功能块,你可以这样做:
import timeit
start_time = timeit.default_timer()
func1()
print(timeit.default_timer() - start_time)
start_time = timeit.default_timer()
func2()
print(timeit.default_timer() - start_time)
答案 4 :(得分:41)
我发现使用timeit的最简单方法是从命令行:
鉴于 test.py :
def InsertionSort(): ...
def TimSort(): ...
像这样运行timeit:
% python -mtimeit -s'import test' 'test.InsertionSort()'
% python -mtimeit -s'import test' 'test.TimSort()'
答案 5 :(得分:12)
对我来说,这是最快的方式:
import timeit
def foo():
print("here is my code to time...")
timeit.timeit(stmt=foo, number=1234567)
答案 6 :(得分:11)
# Генерация целых чисел
def gen_prime(x):
multiples = []
results = []
for i in range(2, x+1):
if i not in multiples:
results.append(i)
for j in range(i*i, x+1, i):
multiples.append(j)
return results
import timeit
# Засекаем время
start_time = timeit.default_timer()
gen_prime(3000)
print(timeit.default_timer() - start_time)
# start_time = timeit.default_timer()
# gen_prime(1001)
# print(timeit.default_timer() - start_time)
答案 7 :(得分:7)
这很有效:
python -m timeit -c "$(cat file_name.py)"
答案 8 :(得分:3)
让我们在以下各项中设置相同的字典并测试执行时间。
setup参数基本上是设置字典
Number是运行代码1000000次。不是设置而是stmt
当你运行它时,你可以看到索引比get快。您可以多次运行它以查看。
代码基本上试图在字典中获取c的值。
import timeit
print('Getting value of C by index:', timeit.timeit(stmt="mydict['c']", setup="mydict={'a':5, 'b':6, 'c':7}", number=1000000))
print('Getting value of C by get:', timeit.timeit(stmt="mydict.get('c')", setup="mydict={'a':5, 'b':6, 'c':7}", number=1000000))
以下是我的结果,您的结果会有所不同。
按索引:0.20900007452246427
获取:0.54841166886888
答案 9 :(得分:2)
只需将整个代码作为timeit的参数传递:
import timeit
print(timeit.timeit("""
limit = 10000
prime_list = [i for i in range(2, limit+1)]
for prime in prime_list:
for elem in range(prime*2, max(prime_list)+1, prime):
if elem in prime_list:
prime_list.remove(elem)"""
, number=10))
答案 10 :(得分:0)
内置的timeit模块最适合从IPython命令行运行。
从模块中计时功能:
from timeit import default_timer as timer
import sys
def timefunc(func, *args, **kwargs):
"""Time a function.
args:
iterations=3
Usage example:
timeit(myfunc, 1, b=2)
"""
try:
iterations = kwargs.pop('iterations')
except KeyError:
iterations = 3
elapsed = sys.maxsize
for _ in range(iterations):
start = timer()
result = func(*args, **kwargs)
elapsed = min(timer() - start, elapsed)
print(('Best of {} {}(): {:.9f}'.format(iterations, func.__name__, elapsed)))
return result
答案 11 :(得分:0)
如何将Python REPL解释器与接受参数的函数一起使用的示例。
>>> import timeit
>>> def naive_func(x):
... a = 0
... for i in range(a):
... a += i
... return a
>>> def wrapper(func, *args, **kwargs):
... def wrapper():
... return func(*args, **kwargs)
... return wrapper
>>> wrapped = wrapper(naive_func, 1_000)
>>> timeit.timeit(wrapped, number=1_000_000)
0.4458435332577161
答案 12 :(得分:0)
您将创建两个函数,然后运行与此类似的操作。
请注意,您想要选择相同的执行/运行次数来比较apple与apple。
这已经在Python 3.7下进行了测试。
!/usr/local/bin/python3
import timeit
def fibonacci(n):
"""
Returns the n-th Fibonacci number.
"""
if(n == 0):
result = 0
elif(n == 1):
result = 1
else:
result = fibonacci(n-1) + fibonacci(n-2)
return result
if __name__ == '__main__':
import timeit
t1 = timeit.Timer("fibonacci(13)", "from __main__ import fibonacci")
print("fibonacci ran:",t1.timeit(number=1000), "milliseconds")
答案 13 :(得分:0)
import timeit
def oct(x):
return x*x
timeit.Timer("for x in range(100): oct(x)", "gc.enable()").timeit()