Python單條語句計時

上下文管理器和timeit.timeit()方法也適合單條語句計時。除此之外，也可通過命令行執(zhí)行timeit計時，命令選項詳見官方幫助。

通過命令行執(zhí)行timeit計時，可方便地測量和對比相同功能不同實現(xiàn)表達式的性能：

E:\PyTest>python-mtimeit-r5"'-'.join(str(n)forninrange(100))"

10000loops,bestof5:32.8usecperloop

E:\PyTest>python-mtimeit-r5"'-'.join([str(n)forninrange(100)])"

10000loops,bestof5:29.8usecperloop

E:\PyTest>python-mtimeit-r5"'-'.join(map(str,range(100)))"

10000loops,bestof5:21.8usecperloop

以上三條待計時的Python表達式均被重復測試5次，每次測試中調(diào)用該表達式10000次。相同機器上運行的其他程序可能會影響計時測量，因此重復測量若干次再選取最佳結果(besttime)，以保證計時的準確性。考慮到后臺進程等因素通常會增加總耗時，因此最佳結果取重復測量的最小值(添加-v選項可查看各次測量值)，而非平均值。由本例輸出結果可知，map快于列表解析，而列表解析快于生成器(生成器表達式用作參數(shù)時可省略外部的括號)。注意，這三者的快慢對比會因場景而異。例如，[xforxinrange(10000)]比map(lambdax:x,range(10000))快三倍。因此，應根據(jù)Profiler工具的實測值而非"經(jīng)驗"來分析性能。

此外，需注意雙引號和單引號的內(nèi)外位置。在作者的Windows主機上外單內(nèi)雙會觸發(fā)"EOLwhilescanningstringliteral"的語法錯誤，而在Linux主機上外單內(nèi)雙和外雙內(nèi)單均可正確解析。

再舉一例：

E:\PyTest>python-mtimeit-r5-s"importmath""math.sqrt(255)"

10000000loops,bestof5:0.188usecperloop

E:\PyTest>

E:\PyTest>python-mtimeit-r5-s"frommathimportsqrt""sqrt(255)"

10000000loops,bestof5:0.143usecperloop

類似地，此處Windows主機只接受雙引號，而Linux主機單雙"通吃"。由輸出結果可知，使用from語句導入比常規(guī)導入更快。同時也可看到，通過導入目標模塊，timeit命令行也可對其函數(shù)甚至整個模塊(存在入口函數(shù)時)計時。

最后是兩點忠告：

進行性能評估時，要牢記任何測量結果只是一個估算值。即使相當可靠的計時工具，多次測量的結果也很可能有所出入。謹慎選取最佳結果，才能盡可能保證評估的準確性。

盡量使用標準庫提供的計時工具，而不要自己編寫計時函數(shù)。因為普通開發(fā)者難以全面考慮處理器時間片、后臺持續(xù)或間歇運行的程序(如定時更新或殺毒)、網(wǎng)絡連接、結果緩存、編譯優(yōu)化等多方面因素，導致自定義計時工具精度不高，某些情況下甚至完全偏離真實數(shù)據(jù)。

以上內(nèi)容為大家介紹了Python單條語句計時，希望對大家有所幫助，如果想要了解更多Python相關知識，請關注IT培訓機構:千鋒教育。