内容简介:timeit 函数:参数说明:
timeit
是 Python 标准库内置的小工具,可以快速测试小段代码的性能。
认识timeit
timeit 函数:
timeit.timeit(stmt, setup,timer, number)
参数说明:
- stmt : statement的缩写,你要测试的代码或者语句,纯文本,默认值是 "pass"
-
setup
: 在运行
stmt
前的配置语句,纯文本,默认值也是 "pass" - timer : 计时器,一般忽略这个参数
-
number
:
stmt
执行的次数,默认是1000000,一百万
repeat 函数:
timeit.repeat(stmt, setup, timer, repeat, number)
是timeit的repeat版,可以指定重复timeit的次数,默认是3次,然后返回一个数组。
举一个简单的例子来说明用法:
import timeit print(timeit.timeit('output = 10*5')) # 0.014560436829924583 print(timeit.repeat('output = 10*5')) # [0.01492984383367002, 0.01342877489514649, 0.013638464966788888]
嗯,看上去没毛病,实际上谁也不会去测没有意义的加减乘除,我们需要测试自己的代码。
测试多行代码
测试多行代码可以用分号来连接语句。
print(timeit.timeit(stmt='a=10;b=10;sum=a+b'))
也可以用三引号来写stmt。
import timeit import_module = "import random" testcode = ''' def test(): return random.randint(10, 100) ''' print(timeit.repeat(stmt=testcode, setup=import_module))
但是其实都挺扯的,自己的代码会那么简单?我们是模块化编程。
测试模块中的函数
如果你要测试的函数都在一个模块里,可以这样写timeit。
import timeit import random import arrow # 本地函数 def stupid1(): return random.randint(1, 10) # 依赖其他函数 def stupid2(): return stupid1() # 依赖其他包或者模块 def stupid3(): return arrow.now() print(timeit.timeit('stupid1()', setup='from __main__ import stupid1')) print(timeit.timeit('stupid2()', setup='from __main__ import stupid2')) print(timeit.timeit('stupid3()', setup='from __main__ import stupid3', number=100))
写成上面这样的其实还是单行的模式。
借用default_timer
timeit自带的default_timer可以借来用一下。
import timeit import random def test(): return random.randint(10, 100) starttime = timeit.default_timer() print("The start time is :",starttime) test() print("The time difference is :", timeit.default_timer() - starttime)
命令行的用法
timeit还支持命令行的调用方式,不过我觉得太累了,没必要去尝试。
C:\pythontest>python -m timeit -s 'text="hello world"' 20000000 loops, best of 5: 13.1 nsec per loop
分享一个案例
2月29那天,我想今年是闰年啊,计算闰年有几种算法啊?孔乙己说有3种:
def is_leap_year_0(year): if year % 4 == 0: if year % 100 == 0: if year % 400 == 0: return True else: return False else: return True else: return False def is_leap_year_1(year): return year % 4 == 0 and (year % 100 != 0 or year % 400 == 0) def is_leap_year_2(year): if year % 400 == 0: return True if year % 100 == 0: return False if year % 4 == 0: return True return False
这三种方法那种最好啊?这个不能一概而论吧,因为要看你的参数是什么,比如1991年不是闰年,方法0和方法1直接就返回了,但方法2还需要走到最后一个if才知道不是闰年。再比如2020年,方法2直接就返回了,但是方法0和1需要走到最里层的if才得到结果。所以我们需要取样测试才公平,比如从1900年到2900年,每个函数都跑10000遍。
timeit就不太方便了,它接受的参数哪能那么复杂,我们需要包装一下。
def perf_test(method): years = range(1900, 2900) if method == 0: for y in years: is_leap_year_0(y) if method == 1: for y in years: is_leap_year_1(y) if method == 2: for y in years: is_leap_year_2(y) print(timeit('perf_test(0)', setup='from __main__ import perf_test', number=10000)) print(timeit('perf_test(1)', setup='from __main__ import perf_test', number=10000)) print(timeit('perf_test(2)', setup='from __main__ import perf_test', number=10000))
你们猜猜看哪个方法结果最好?你一定想不到。
1.6432780250906944 1.7527272370643914 0.0023122059646993876
其他的思路
timeit
其实还是太弱了,随便测测还凑合,如果真要检查性能问题还是需要用更专业的手段。比如:
有机会我们下次再说。
关于作者:
Toby Qin, Python 技术爱好者,目前从事测试开发相关工作,转载请注明原文出处。
欢迎关注我的博客 https://betacat.online,你可以到我的公众号中去当吃瓜群众 。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- React 函数式组件性能优化指南
- python性能优化之函数执行时间分析
- 深度人脸识别中不同损失函数的性能对比
- sum() 函数性能堪忧,列表降维有何良方?
- 测量JavaScript函数的性能的简单方法及与其他方式对比
- 影响Flink有状态函数和算子性能的3个重要因素
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
程序是怎样跑起来的
[日] 矢泽久雄 / 李逢俊 / 人民邮电出版社 / 2015-4 / 39.00元
本书从计算机的内部结构开始讲起,以图配文的形式详细讲解了二进制、内存、数据压缩、源文件和可执行文件、操作系统和应用程序的关系、汇编语言、硬件控制方法等内容,目的是让读者了解从用户双击程序图标到程序开始运行之间到底发生了什么。同时专设了“如果是你,你会怎样介绍?”专栏,以小学生、老奶奶为对象讲解程序的运行原理,颇为有趣。本书图文并茂,通俗易懂,非常适合计算机爱好者及相关从业人员阅读。一起来看看 《程序是怎样跑起来的》 这本书的介绍吧!