Измерение времени выполнения

Эффективный код на Python

Logan Thomas

Scientific Software Technical Trainer, Enthought

Зачем измерять время выполнения?

Позволяет выбрать оптимальный подход к написанию кода
Быстрый код == эффективный код!

Как измерить время выполнения?

Измеряйте время выполнения с помощью магической команды IPython %timeit
Магические команды: расширения поверх стандартного синтаксиса Python
- Начинаются с символа «%»
- Документация (здесь)
- Список всех магических команд: %lsmagic

Использование %timeit

Код для измерения

import numpy as np

rand_nums = np.random.rand(1000)

Измерение с помощью %timeit

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

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

Вывод %timeit

alt="Вывод магической команды timeit"

Вывод %timeit

alt="Вывод магической команды timeit с выделенными средним значением и стандартным отклонением"

Вывод %timeit

alt="Вывод магической команды timeit с выделенным числом запусков и циклов"

Указание числа запусков и циклов

Задание числа запусков (-r) и/или циклов (-n)

# Set number of runs to 2 (-r2)
# Set number of loops to 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)

Использование %timeit в строчном режиме

Строчная магия (%timeit)

# Single line of code

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

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

Использование %timeit в режиме ячейки

Ячеечная магия (%%timeit)

# Multiple lines of code

%%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)

Сохранение результатов

Сохранение результата в переменную (-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

Сравнение времени выполнения

Структуры данных Python можно создавать с помощью явных имён

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

Структуры данных Python можно создавать с помощью литерального синтаксиса

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

Сравнение времени выполнения

%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)

Давайте потренируемся!

Эффективный код на Python