开始在Python中使用timeit库！
假设您要测量代码段的执行时间。你是做什么？直到现在，我就像大多数人一样会做以下事情：
导入时间
start_time = time.time（）
“”“某些代码”“”
end_time = time.time（）
print（f“执行时间为：{end_time-start_time}”）
现在说我们要比较两个不同函数的执行时间，然后：
导入时间
def function_1（*参数）：
＃做点什么
＃返回值
def function_2（*参数）：
＃做点什么
＃返回值
＃衡量function_1花费的时间
start_of_f1 = time.time（）
值1 = function_1（*参数）
end_of_f1 = time.time（）
print（f” function_1花费的时间是：{start_of_f1-end_of_f1}”）＃Function_2所花费的测量时间
start_of_f2 = time.time（）
值2 = function_1（*参数）
end_of_f2 = time.time（）print（f” function_1花费的时间是：{start_of_f2-end_of_f2}”）
这是大多数人测量执行时间并比较两个功能的方式。
但是，如果必须测量非常小的代码段所花费的时间，则此方法无法产生准确的结果。即使在比较功能时，操作系统中发生的所有其他进程和任务也都与time.time（）实例混为一谈。因此比较功能时不准确。
为了解决此问题，Python有一个timeit模块，该模块用于测量大小代码段的执行时间。在本文的此处，我们首先使用一些示例来了解python中的timeit库。
首先，让我们看看文档中提供的概述。
在Python中的timeit
该模块提供了一种计时少量Python代码的简单方法。它既具有命令行界面又具有可调用界面。它避免了许多用于测量执行时间的常见陷阱。
这个模块有一个函数timeit.timeit（stmt = pass，setup = pass，timer = <default timer>，number = 1000000）这个函数有四个参数：
stmt：要测量其执行时间的代码段。
setup：执行stmt之前要运行的代码。通常，它用于导入一些模块或声明一些必要的变量。通过示例将更加清楚。
timer：这是默认的timeit.Timer对象。它有一个合理的默认值，因此我们不必做太多事情。
number：指定将执行stmt的次数。
它会回到执行拍摄（秒）的时间语句，指定的数十倍。
让我们看一些例子以更好地理解它。
导入时间
＃此代码在stmt之前只能执行一次。
setup_code =“来自数学导入sqrt”
＃此代码将按照参数'number'的指定执行
stmt_code =“ sum（sqrt（x）表示x在范围（1
迭代次数= 10000
时间= timeit.timeit（stmt = stmt_code，设置= setup_code，数量=迭代次数）
打印（时间）
＃17.9秒
＃此输出适用于代码片段的10000个版本，而不是一个单独的版本。
print（f“单次迭代的时间为{time / iterations}”）
我们要做的就是将代码作为字符串传递，并指定迭代次数给timeit.timeit函数。
现在，让我们看看一种使用该惊人库来比较两个函数的方法。
在此示例中，让我们比较两个排序函数，一个是简单的冒泡排序，另一个是Python内置的sorted（）函数。在这里，我们还将看到另一个名为repeat（）的timeit函数。
def bubble_sort（arr）：
    对于范围内的我（len（arr））：
        对于范围（0，len（arr）-i-1）中的j：
            如果arr [j]> arr [j + 1]：
                arr [j]，arr [j + 1] = arr [j +1]，arr [j]
    返回arr
def make_random_array（）：
    来自随机进口randint
    返回[randint（-100，100）表示范围（20）中的i]
test_array = make_random_array（）
'''
由于我们要确保在同一数组上测试函数，因此我们声明一个数组
在这里，稍后将在compare_functions（）中调用它。
'''
def compare_functions（）：
    导入时间
    setup_code1 =“”“
来自__main__ import bubble_sort
从__main__导入test_array
“”
    setup_code2 =“”“
从__main__导入test_array
“”
    stmt_code1 =“ bubble_sort（test_array）”
    stmt_code2 =“ sorted（test_array）”
    times1 = timeit.repeat（stmt = stmt_code1，setup = setup_code1，number = 10000，repeat = 5）
    times2 = timeit.repeat（stmt = stmt_code2，setup = setup_code2，number = 10000，repeat = 5）
    print（f“气泡排序所花费的时间为{min（times1）}”）
    print（f“内置排序所花费的时间为{min（times2）}”）
如果__name__ ==“ __main__”：
    compare_functions（）
“”
冒泡排序花费的时间是0.2646727000001192
内置排序所花费的时间是0.0031973000000107277
“”
在此，输出是列表times1和times2中的最小值。
在设置代码中，
来自__main__导入气泡排序
from __main__ import arr这将导入程序中已定义的bubble_sort函数，并导入我们在程序中先前声明的数组“ test_array”。
这将确保两个功能都在同一数组“ test_array”上进行测试。
timeit.repeat（）需要一个附加参数，重复（默认值= 5）。这将返回多次重复的代码段的执行时间列表。
不出所料，气泡排序所花费的时间比内置的sorted（）函数要多得多。
现在总结一下，让我们看看如何使用该库中的命令行界面。
从命令行作为程序调用时，使用以下形式：
python -m timeit [-n N] [-r N] [-u U] [-s S] [声明...]
这里，
-n N，执行“语句”的次数。
-r N，重复多少次
-ss，设置语句
-uu，计时器输出单位（nano，micro，mil，sec）
一些示例如下：
$ python -m timeit -s'text =“样本字符串”; char =“ g”''文本中的字符'
5000000次循环，最好是5次：每个循环0.0877微秒
$ python -m timeit -s'text =“样本字符串”; char =“ g”''text.find（char）'
1000000次循环，最好5次：每个循环0.342微秒
这结束了timeit模块的介绍。我试图涵盖所有需要知道的知识，从现在开始开始使用此模块。
这是该模块的官方文档。请看看它以了解有关此模块的更多信息。我也鼓励您在这里查看该模块的源代码。
希望您从本文中学到了一些知识，从现在开始，您可以在代码中使用此模块的功能。和平。
题库