python 耗时效率统计
2013-12-25 09:28
218 查看
原文地址:/article/5757474.html
Python 社区有句俗语: “python自己带着电池” ,别自己写计时框架。 Python 2.3
具备一个叫做 timeit 的完美计时工具可以测量python代码的运行时间。
timeit 模块
timeit 模块定义了接受两个参数的 Timer 类。两个参数都是字符串。 第一个参数是你要计时的语句或者函数。 传递给 Timer 的第二个参数是为第一个参数语句构建环境的导入语句。
从内部讲, timeit 构建起一个独立的虚拟环境, 手工地执行建立语句,然后手工地编译和执行被计时语句。
一旦有了 Timer 对象,最简单的事就是调用 timeit(),它接受一个参数为每个测试中调用被计时语句的次数,默认为一百万次;返回所耗费的秒数。
Timer 对象的另一个主要方法是 repeat(), 它接受两个可选参数。 第一个参数是重复整个测试的次数,第二个参数是每个测试中调用被计时语句的次数。
两个参数都是可选的,它们的默认值分别是 3 和 1000000。 repeat() 方法返回以秒记录的每个测试循环的耗时列表。Python 有一个方便的 min 函数可以把输入的列表返回成最小值,如:
min(t.repeat(3, 1000000))
你可以在命令行使用 timeit 模块来测试一个已存在的 Python 程序,而不需要修改代码。
具体可参见文档: http://docs.python.org/library/timeit.html
举例:
执行结果:
利用time模块
利用time模块(仅作练习之用,不推荐)。 time.localtime(), time.time(), time.clock()
对比:
ime.localtime(),localtime返回的是struct_time,包含年月日,显然没有必要,更重要的是localtime()的精度依赖于time()
time.time(),time返回的是UTC时间(seconds since the 00:00:00 UTC on January 1)。在很多系统,包括windows下精度很差,win32下的精度只有1/18.2秒。不过在Unix/Linux系统下,time()的精度还是很高的。
Python的标准库手册推荐在任何系统下都尽量使用time.clock()。不过要注意是在win32系统下,这个函数返回的是真实时间(wall time),而在Unix/Linux下返回的是CPU时间。在win32下,这个函数的时间分辨率好于1微秒。
例:
结果:
其他方法
遇到复杂的程序,有很多性能分析工具可用。比如python的标准库里的profile可以统计程序里每一个函数的运行时间,并且提供了多样化的报表。(不了解,先记下来)
参考:
http://docs.python.org/library/timeit.html
http://woodpecker.org.cn/diveintopython/performance_tuning/timeit.html
http://hi.baidu.com/shanyaodan0880/blog/item/b446617b7a98a5e42e73b3f2.html
Python 社区有句俗语: “python自己带着电池” ,别自己写计时框架。 Python 2.3
具备一个叫做 timeit 的完美计时工具可以测量python代码的运行时间。
timeit 模块
timeit 模块定义了接受两个参数的 Timer 类。两个参数都是字符串。 第一个参数是你要计时的语句或者函数。 传递给 Timer 的第二个参数是为第一个参数语句构建环境的导入语句。
从内部讲, timeit 构建起一个独立的虚拟环境, 手工地执行建立语句,然后手工地编译和执行被计时语句。
一旦有了 Timer 对象,最简单的事就是调用 timeit(),它接受一个参数为每个测试中调用被计时语句的次数,默认为一百万次;返回所耗费的秒数。
Timer 对象的另一个主要方法是 repeat(), 它接受两个可选参数。 第一个参数是重复整个测试的次数,第二个参数是每个测试中调用被计时语句的次数。
两个参数都是可选的,它们的默认值分别是 3 和 1000000。 repeat() 方法返回以秒记录的每个测试循环的耗时列表。Python 有一个方便的 min 函数可以把输入的列表返回成最小值,如:
min(t.repeat(3, 1000000))
你可以在命令行使用 timeit 模块来测试一个已存在的 Python 程序,而不需要修改代码。
具体可参见文档: http://docs.python.org/library/timeit.html
举例:
# -*- coding: utf-8 -*- #!/bin/env python def test1(): n=0 for i in range(101): n+=i return n def test2(): return sum(range(101)) def test3(): return sum(x for x in range(101)) if __name__=='__main__': from timeit import Timer t1=Timer("test1()","from __main__ import test1") t2=Timer("test2()","from __main__ import test2") t3=Timer("test3()","from __main__ import test3") print t1.timeit(1000000) print t2.timeit(1000000) print t3.timeit(1000000) print t1.repeat(3,1000000) print t2.repeat(3,1000000) print t3.repeat(3,1000000)
执行结果:
tiny@tiny-desktop:~/workspace/py$ python timetest.py 7.99498915672 3.13702893257 10.6419789791[8.2126381397247314, 8.6312708854675293, 8.6079621315002441][3.3426268100738525, 3.3914170265197754, 3.5281510353088379][11.097387075424194, 10.941920042037964, 10.874698877334595]
利用time模块
利用time模块(仅作练习之用,不推荐)。 time.localtime(), time.time(), time.clock()
对比:
ime.localtime(),localtime返回的是struct_time,包含年月日,显然没有必要,更重要的是localtime()的精度依赖于time()
time.time(),time返回的是UTC时间(seconds since the 00:00:00 UTC on January 1)。在很多系统,包括windows下精度很差,win32下的精度只有1/18.2秒。不过在Unix/Linux系统下,time()的精度还是很高的。
Python的标准库手册推荐在任何系统下都尽量使用time.clock()。不过要注意是在win32系统下,这个函数返回的是真实时间(wall time),而在Unix/Linux下返回的是CPU时间。在win32下,这个函数的时间分辨率好于1微秒。
例:
# -*- coding: utf-8 -*- #!/bin/env python def test(): L=[] for i in range(100): L.append(i) if __name__=='__main__': from time import clock start=clock() for i in range(1000000): test() finish=clock() print (finish-start)/1000000
结果:
1.749e-05
其他方法
遇到复杂的程序,有很多性能分析工具可用。比如python的标准库里的profile可以统计程序里每一个函数的运行时间,并且提供了多样化的报表。(不了解,先记下来)
参考:
http://docs.python.org/library/timeit.html
http://woodpecker.org.cn/diveintopython/performance_tuning/timeit.html
http://hi.baidu.com/shanyaodan0880/blog/item/b446617b7a98a5e42e73b3f2.html
相关文章推荐
- Python中统计函数运行耗时的方法
- python处理nginx日志,并统计分析---我这个写的处理时间效率不高,有好方法,请大家指正
- 使用python解析excel实现工作效率统计
- python统计文件行数效率对比
- python程序各模块耗时统计
- Python中统计函数运行耗时的方法
- 三种排序算法的python实现+装饰器统计每种算法耗时
- Python 性能剖分工具---时间效率统计
- 词频统计---python与C++的执行效率分析
- Python文本统计功能之西游记用字统计操作示例
- 用Python编写MapReduce代码与调用-某一天之前的所有活跃用户统计(1)
- Python 中list ,set,dict的大规模查找效率
- Python中单线程、多线程与多进程的效率对比实验
- (SQL语句)检测sql语句执行的效率(耗时)
- Python自带数据结构的运行效率
- python实现代码行数统计示例分享
- 用Python实现自己下载音乐的统计
- python3结巴分词分行拆分统计词频
- Python 统计一个纯英文文件中的单词总个数
- Python 列表count()函数元素次数统计