रनटाइम की जाँच

Efficient Python Code लिखना

Logan Thomas

Scientific Software Technical Trainer, Enthought

हमें अपने कोड का समय क्यों नापना चाहिए?

हमें optimal कोडिंग तरीका चुनने देता है
तेज़ कोड == अधिक efficient कोड!

हम अपने कोड का समय कैसे नापें?

IPython मैजिक कमांड %timeit से रनटाइम निकालें
Magic commands: सामान्य Python सिंटैक्स के ऊपर enhancements
- "%" कैरेक्टर से prefixed
- डॉक के लिए लिंक (यहाँ)
- सभी उपलब्ध मैजिक कमांड %lsmagic से देखें

%timeit का उपयोग

जिस कोड का समय नापना है

import numpy as np

rand_nums = np.random.rand(1000)

%timeit से टाइमिंग

%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 आउटपुट

alt="मैजिक कमांड timeit का आउटपुट"

%timeit आउटपुट

alt="मैजिक कमांड timeit आउटपुट, mean और standard deviation हाइलाइटेड"

%timeit आउटपुट

alt="मैजिक कमांड timeit आउटपुट, runs और loops हाइलाइटेड"

runs/loops की संख्या बताना

runs (-r) और/या loops (-n) की संख्या सेट करना

# runs की संख्या 2 रखें (-r2)
# loops की संख्या 10 रखें (-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)

Line magic मोड में %timeit का उपयोग

Line magic (%timeit)

# एक पंक्ति का कोड

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

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

Cell magic मोड में %timeit का उपयोग

Cell magic (%%timeit)

# कई पंक्तियों का कोड

%%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)

आउटपुट सेव करना

आउटपुट को वैरिएबल में सेव करना (-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

समय की तुलना

Python डेटा स्ट्रक्चर formal नाम से बनाए जा सकते हैं

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

Python डेटा स्ट्रक्चर literal सिंटैक्स से भी बनाए जा सकते हैं

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

समय की तुलना

%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)

तैयार, शुरू!

Efficient Python Code लिखना