查看运行时间

高效编写 Python 代码

Logan Thomas

Scientific Software Technical Trainer, Enthought

为何要计时代码？

帮助我们选择最优编码方式
代码越快，效率越高！

如何给代码计时？

用 IPython 魔法命令 %timeit 计算运行时间
魔法命令：对普通 Python 语法的增强
- 以"%"开头
- 文档链接（here）
- 用 %lsmagic 查看所有魔法命令

使用 %timeit

待计时时的代码

import numpy as np

rand_nums = np.random.rand(1000)

用 %timeit 计时

%timeit rand_nums = np.random.rand(1000)

8.61 µs ± 69.1 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

%timeit 输出

alt="Magic 命令 timeit 的输出"

%timeit 输出

alt="Magic 命令 timeit 的输出，高亮显示均值和标准差"

%timeit 输出

alt="Magic 命令 timeit 的输出，高亮显示运行次数和循环次数"

指定运行/循环次数

设置运行次数（-r）和/或循环次数（-n）

# 将运行次数设为 2（-r2）
# 将循环次数设为 10（-n10）

%timeit -r2 -n10 rand_nums = np.random.rand(1000)

16.9 µs ± 5.14 µs per loop (mean ± std. dev. of 2 runs, 10 loops each)

以行模式使用 %timeit

行魔法（%timeit）

# 单行代码

%timeit nums = [x for x in range(10)]

914 ns ± 7.33 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

以单元模式使用 %timeit

单元魔法（%%timeit）

# 多行代码

%%timeit
nums = []
for x in range(10):
    nums.append(x)

1.17 µs ± 3.26 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

保存输出

将输出保存到变量（-o）

times = %timeit -o rand_nums = np.random.rand(1000)

8.69 µs ± 91.4 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

times.timings

[8.697893059998023e-06,
 8.651204760008113e-06,
 8.634270530001232e-06,
 8.66847825998775e-06,
 8.619398139999247e-06,
 8.902550710008654e-06,
 8.633500570012985e-06]

times.best

8.619398139999247e-06

times.worst

8.902550710008654e-06

比较时间

可用正式名称创建 Python 数据结构

formal_list = list()
formal_dict = dict()
formal_tuple = tuple()

也可用字面量语法创建 Python 数据结构

literal_list = []
literal_dict = {}
literal_tuple = ()

f_time = %timeit -o formal_dict = dict()

145 ns ± 1.5 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

l_time = %timeit -o literal_dict = {}

93.3 ns ± 1.88 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

diff = (f_time.average - l_time.average) * (10**9)
print('l_time better than f_time by {} ns'.format(diff))

l_time better than f_time by 51.90819192857814 ns

比较时间

%timeit formal_dict = dict()

145 ns ± 1.5 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

%timeit literal_dict = {}

93.3 ns ± 1.88 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

准备开跑！

高效编写 Python 代码