timeit模块用于测试一段代码的执行效率

1.Timer类

Timer 类：

__init__(stmt="pass", setup="pass", timer=default_timer)

stmt 是执行语句，setup 是导入执行语句环境

print_exc(file=None)

timeit(number=default_number)

返回测试所用秒数，number 是每个测试中调用被计时语句的次数

repeat(repeat=default_repeat, number=default_number)

返回测试所用秒数列表，repeat 是重复整个测试的次数，number 是每个测试中执行语句的次数

快捷执行的方法：

timeit.timeit('time.time()','import time',number=10)

#这里会执行两次测试，每次测试都执行time.time()语句10次

timeit.repeat('time.time()','import time',repeat=2,number=10)

DEMO

import timeit

def f1():

    for i in range(1000):

        pass

def f2():

    for i in xrange(1000):

        pass

t=timeit.Timer('f1()','from __main__ import f1')

t1=timeit.Timer('f2()','from __main__ import f2')

print t.timeit()

print t1.timeit()

查看一个脚本的执行效率

python -m cProfile test_cprofile.py

2.测试Python不同用法的性能

代码：

#copy与deepcopy测试

print 'test copy and deepcopy'

import copy

x=range(1000)

print 'copy',timeit.timeit('copy.copy(x)','from __main__ import copy,x',number=100)

print 'deepcopy',timeit.timeit('copy.deepcopy(x)','from __main__ import copy,x',number=100)

#json和eval测试

import json

import ast

print 'test json and eval'

d=dict([(i,i) for i in xrange(1000)])

def test_json():

    json.loads(json.dumps(d))

def test_ast():

    ast.literal_eval(str(d))

print 'json',timeit.timeit('test_json()','from __main__ import test_json',number=100)

print 'ast',timeit.timeit('test_ast()','from __main__ import test_ast',number=100)

#while 1 和while True测试

print 'test while 1 and while True'

def while_one():

    i=1000

    while 1:

        i-=1

        if i<1:

            break

def while_true():

    i=1000

    while True:

        i-=1

        if i<1:

            break

print 'while 1',timeit.timeit('while_one()','from __main__ import while_one',number=1000)

print 'while true',timeit.timeit('while_true()','from __main__ import while_true',number=1000)

#测试map和列表解析

print 'map',timeit.timeit('map(lambda x:x+10,xrange(10000))',number=1000)

print 'list parse',timeit.timeit('[x+10 for x in xrange(10000)]',number=1000)

#测试filter和列表解析

print 'filter',timeit.timeit('filter(lambda x:x<5000,xrange(10000))',number=1000)

print 'list parse',timeit.timeit('[x for x in xrange(10000) if x<5000]',number=1000)

#测试zip和列表解析

d=[(i,i+1,i+2) for i in xrange(10000)]

print 'zip',timeit.timeit('zip(*d)[0]','from __main__ import d',number=1000)

print 'list parse',timeit.timeit('[x[0] for x in d]','from __main__ import d',number=1000)

测试结果：

test copy and deepcopy

copy 0.000615931092709

deepcopy 0.215742113851

test json and eval

json 0.0845840788228

ast 0.603505149528

test while 1 and while True

while 1 0.0920688664622

while true 0.107391902198

map 1.89678050601

list parse 0.741696814336

filter 1.42262613537

list parse 0.631220298896

zip 1.26682006617

list parse 0.993506476463

结论

1. copy比deepcopy快
2. json比ast快
3. while 1比while True快
4. 列表解析比map，filter，zip快
   
   5
   
   r1=[string[i:i+width] for i in xrange(0,len(string),width)]
   
   r2=re.findall(r".{%s}"%width,string)
   
   r1比r2快

参考博客