timeit模块：
-
timeit 模块定义了接受两个参数的 Timer 类。两个参数都是字符串。 第一个参数是你要计时的语句或者函数。 传递给 Timer 的第二个参数是为第一个参数语句构建环境的导入语句。 从内部讲， timeit 构建起一个独立的虚拟环境， 手工地执行建立语句，然后手工地编译和执行被计时语句。
-
一旦有了 Timer 对象，最简单的事就是调用 timeit()，它接受一个参数为每个测试中调用被计时语句的次数，默认为一百万次；返回所耗费的秒数。
- Timer 对象的另一个主要方法是 repeat()， 它接受两个可选参数。 第一个参数是重复整个测试的次数，第二个参数是每个测试中调用被计时语句的次数。 两个参数都是可选的，它们的默认值分别是 3 和1000000。 repeat() 方法返回以秒记录的每个测试循环的耗时列表。Python 有一个方便的 min 函数可以把输入的列表返回成最小值，如： min(t.repeat(3, 1000000))
测试一个列表推导式与for循环的时间
| 1 2 3 4 5 6 7 8 9 10 11 12 13 |
import timeit
foooo = """
sum = []
for i in range(1000):
sum.append(i)
"""
print(timeit.timeit(stmt="[i for i in range(1000)]", number=100000))
print(timeit.timeit(stmt=foooo, number=100000))
#res:
#3.2855970134734345
#8.19918414604134
|
使用列表推导式要比正常使用list追加元素 通过10w次循环会快上近5秒左右，速度快上近三倍。
timeit 模块抽象出了；两个可以直接使用的方法，包了一层可以让我们不用关心内部的实现，下面看一下模块里面的代码：
| 1 2 3 4 5 6 7 8 9 |
def timeit(stmt="pass", setup="pass", timer=default_timer,
number=default_number):
"""Convenience function to create Timer object and call timeit method."""
return Timer(stmt, setup, timer).timeit(number)
def repeat(stmt="pass", setup="pass", timer=default_timer,
repeat=default_repeat, number=default_number):
"""Convenience function to create Timer object and call repeat method."""
return Timer(stmt, setup, timer).repeat(repeat, number)
|
可以看到这两个方法都是对Timer类包了一层这几个参数：
stmt: 这个参数就是statement,可以把要进行计算时间的代码放在里面。他可以直接接受字符串的表达式，也可以接受单个变量，也可以接受函数。
setup: 这个参数可以将stmt的环境传进去。比如各种import和参数什么的。
timer: 这个参数一般使用不到，具体使用可以参看文档。
Timer类下面还有repeat和timeit方法 使用也非常方便就是 timeit.timeit 和 timeit.repeat。
一个就是上面例子的timeit，一个就是repeat 其实repeat就比timeit多了一个执行Timer次数的参数。这个执行次数会以数组的形式返回.
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
import timeit
foooo = """
sum = []
for i in range(1000):
sum.append(i)
"""
print(timeit.repeat(stmt="[i for i in range(1000)]", repeat=2, number=100000))
print(min(timeit.repeat(stmt="[i for i in range(1000)]", repeat=2, number=100000)))
#res:
#[3.4540683642063277, 3.300991128415932]
#3.321008256502136
|
我们可以根据此，对所有执行时间取min最小值，平均值，最大值得到我们想要的数据。
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 |
# coding: utf-8
import timeit
# 初始化类
x = """
say_hi.ParseFromString(p)
"""
y = """
simplejson.loads(x)
"""
print(timeit.timeit(stmt=x, setup="import say_hi_pb2;"
"say_hi = say_hi_pb2.SayHi();"
"say_hi.id = 13423;"
"say_hi.something = 'axiba';"
"say_hi.extra_info = 'xiba';"
"p =say_hi.SerializeToString()", number=1000000))
print(timeit.timeit(stmt=y, setup="import simplejson; "
"json={"
"'id': 13423,"
"'something': 'axiba',"
"'extra_info': 'xiba',"
"};"
"x = simplejson.dumps(json)", number=1000000))<br>
|
另外需要补充一点是，如果你想直接 stmt 那里执行函数。可以把函数申明在当前文件中，然后在 stmt = ‘func()’ 执行函数。然后使用 setup = ‘from __main__ import func’ 即可，如果要import 多个需要使用 setup = from __main__ import func; import simplejson'
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 |
def test1():
n=0
for i in range(101):
n+=i
return n
def test2():
return sum(range(101))
def test3():
return sum(x for x in range(101))
if __name__=='__main__':
from timeit import Timer
t1=Timer("test1()","from __main__ import test1")
t2=Timer("test2()","from __main__ import test2")
t3=Timer("test3()","from __main__ import test3")
print(t1.timeit(10000))
print(t2.timeit(10000))
print(t3.timeit(10000))
print(t1.repeat(3,10000))
print(t2.repeat(3,10000))
print(t3.repeat(3,10000))
t4 = timeit.timeit(stmt=test1,setup="from __main__ import test1",number=10000)
t5 = timeit.timeit(stmt=test2,setup="from __main__ import test2",number=10000)
t6 = timeit.timeit(stmt=test3,setup="from __main__ import test3",number=10000)
print(t4) #0.05130029071325269
print(t5) #0.015494466822610305
print(t6) #0.05650903115721077
print(timeit.repeat(stmt=test1,setup="from __main__ import test1",number=10000)) # [0.05308853391023148, 0.04544335904366706, 0.05969025402337652]
print(timeit.repeat(stmt=test2,setup="from __main__ import test2",number=10000)) # [0.012824560678924846, 0.017111019558035345, 0.01429126826003152]
print(timeit.repeat(stmt=test3,setup="from __main__ import test3",number=10000)) # [0.07385010910706968, 0.06244617606430164, 0.06273494371932059]
#res:
0.043916918200588385
0.014892355541932578
0.05214884436618059
[0.04372713709398021, 0.04197132052492908, 0.04255431716177577]
[0.014356804181737959, 0.012456603785177323, 0.012629659578433372]
[0.0543709217115389, 0.05334180294099272, 0.05334931226535494]
|