202170713

https://blog.csdn.net/a18852867035/article/details/82257682

python計算時間的兩種方式：time與datetime

https://www.cnblogs.com/adamans/articles/14121126.html

裝飾器實現(xiàn)

對于規(guī)模更大、運行時間更長的數(shù)據(jù)分析應(yīng)用程序，你可能會希望測試一下各個部分或函數(shù)調(diào)用或語句的執(zhí)行時間。你可能會希望了解某個復(fù)雜計算過程中到底是哪些函數(shù)占用的時間最多。幸運的是，在開發(fā)和測試代碼的過程中，IPython能夠讓你輕松得到這些信息。使用內(nèi)置的time模塊及其time.clock和time.time函數(shù)手工測試代碼執(zhí)行時間是一件令人煩悶的事情，因為你必須編寫許多一模一樣的了無生趣的公式化代碼：

1. import time
2. start = time.time()
3. for i in range(iterations):
4. # 這里放一些待執(zhí)行的代碼
5. elapsed_per = (time.time() - start) / iterations

由于這是一個非常常用的功能，所以IPython專門提供了兩個魔術(shù)函數(shù)（%time和%timeit）以便自動完成該過程。%time一次執(zhí)行一條語句，然后報告總體執(zhí)行時間。假設(shè)我們有一大堆字符串，希望對幾個“能夠選出具有特殊前綴的字符串”的函數(shù)進(jìn)行比較。下面是一個擁有60萬字符串的數(shù)組，以及兩個不同的“能夠選出其中以foo開頭的字符串”的方法：

1. # 一個非常大的字符串?dāng)?shù)組
2. strings = ['foo', 'foobar', 'baz', 'qux', 'python', 'Guido Van Rossum'] * 100000
3. method1 = [x for x in strings if x.startswith('foo')]
4. method2 = [x for x in strings if x[:3] == 'foo']

看上去它們的性能表現(xiàn)應(yīng)該差不多，對吧？我們通過%time來確認(rèn)一下：

1. In [561]: %time method1 = [x for x in strings if x.startswith('foo')]
2. CPU times: user 0.19 s, sys: 0.00 s, total: 0.19 s
3. Wall time: 0.19 s
5. In [562]: %time method2 = [x for x in strings if x[:3] == 'foo']
6. CPU times: user 0.09 s, sys: 0.00 s, total: 0.09 s
7. Wall time: 0.09 s

墻上時間（Wall time）是我們最感興趣的數(shù)字。所以，看上去第一個方法耗費了兩倍以上的時間，但這并不是一個非常精確的結(jié)果。如果你對相同語句多次執(zhí)行%time的話，就會發(fā)現(xiàn)其結(jié)果是會變的。為了得到更為精確的結(jié)果，需要使用魔術(shù)函數(shù)%timeit。對于任意語句，它會自動多次執(zhí)行以產(chǎn)生一個非常精確的平均執(zhí)行時間。

1. In [563]: %timeit [x for x in strings if x.startswith('foo')]
2. 10 loops, best of 3: 159 ms per loop
4. In [564]: %timeit [x for x in strings if x[:3] == 'foo']
5. 10 loops, best of 3: 59.3 ms per loop

這個貌似平淡無奇的例子正好說明了一個事實：我們非常有必要了解Python標(biāo)準(zhǔn)庫、NumPy、pandas以及本書中所用到的其他庫的性能特點。在大型數(shù)據(jù)分析應(yīng)用程序中，這些不起眼的毫秒數(shù)是會不斷累積的！

對于那些執(zhí)行時間非常短（甚至是那些微秒（1e-6秒）或納秒（1e-9秒）級的）的分析語句和函數(shù)而言，%timeit是非常有用的。雖然這些時間值小到幾乎可以忽略不計，但同樣執(zhí)行100萬次一個20微秒的函數(shù)，所用的時間要比一個5微秒的多15秒。在上面那個例子中，我們可以直接對那兩個字符串運算進(jìn)行比較以了解其性能特點：

1. In [565]: x = 'foobar'
3. In [566]: y = 'foo'
5. In [567]: %timeit x.startswith(y)
6. 1000000 loops, best of 3: 267 ns per loop
8. In [568]: %timeit x[:3] == y
9. 10000000 loops, best of 3: 147 ns per loop

總結(jié)

以上是生活随笔為你收集整理的时间统计%time和%timeit_python的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。