测量Python代码片段执行时间的最佳方法

Question

我想比较两个片段的执行时间，看看哪一个更快。因此，我想要一种准确的方法来测量 python 代码片段的执行时间。

我已经尝试过使用time.time()、time.process_time()、time.perf_counter_ns()以及timeit.timeit()，但我面临着与所有这些相同的问题。也就是说：当我使用上述任何方法来测量同一代码片段的执行时间时，每次运行它时它都会返回不同的值。这种变化有些显着，以至于我无法可靠地使用它们来比较两个片段的执行时间差异。

例如，我在我的 google colab 中运行以下代码：

import time
t1 = time.perf_counter()
sample_list = []
for i in range(1000000):
  sample_list.append(i)
t2 = time.perf_counter()
print(t2 - t1)

我运行上面的代码 10 次，结果的变化约为 50%（最小值 = 0.14，最大值 = 0.28）。

还有其他选择吗？

Answer 1

每次运行给定代码片段的执行时间几乎总是不同的。大多数可用于分析单个函数/代码片段的工具都会考虑到这一点，并多次运行代码以便能够提供平均执行时间。原因是您的计算机上还有其他进程正在运行，并且资源并不总是以相同的方式分配，因此不可能控制每个变量以便每次运行都获得相同的执行时间。

\n

分析给定函数或简短代码片段的最简单方法之一是使用%timeitipython 中的“magic”命令。例子：

\n

>>> %timeit 1 + 1\n8.41 ns \xc2\xb1 0.0181 ns per loop (mean \xc2\xb1 std. dev. of 7 runs, 100,000,000 loops each)\n

\n

%%timeit如果您使用而不是 ，它还允许您输入多行代码块来计时%timeit。

\n

timeit库可以独立使用，但在交互式 ipython 会话中使用通常更容易。

\n

其他资源：

\n

\n
• 如何分析我的代码？
\n
• Python 中的 %timeit 是什么？
\n
• 如何使用 Python 的 timeit 对代码段进行计时以测试性能？
\n

\n