如何使用timeit
来比较自己编写的函数(例如“insertion_sort
”和“tim_sort
”)的性能?
timeit
,有两个方便的选项:
Use the IPython shell. It features the convenient %timeit
special function:
In [1]: def f(x):
...: return x*x
...:
In [2]: %timeit for x in range(100): f(x)
100000 loops, best of 3: 20.3 us per loop
In a standard Python interpreter, you can access functions and other names you defined earlier during the interactive session by importing them from __main__
in the setup statement:
>>> def f(x):
... return x * x
...
>>> import timeit
>>> timeit.repeat("for x in range(100): f(x)", "from __main__ import f",
number=100000)
[2.0640320777893066, 2.0876040458679199, 2.0520210266113281]
timeit
的工作方式是运行一次设置代码,然后重复调用一系列语句。因此,如果你想测试排序,需要小心处理,以免就地排序的一次通过会影响下一次使用已排序数据的通过(当然,这会使Timsort真正发挥优势,因为它在数据已经部分有序时表现最佳)。>>> import timeit
>>> setup = '''
import random
random.seed('slartibartfast')
s = [random.random() for i in range(1000)]
timsort = list.sort
'''
>>> print(min(timeit.Timer('a=s[:]; timsort(a)', setup=setup).repeat(7, 1000)))
0.04485079200821929
我告诉你一个秘密:使用timeit
的最佳方法是在命令行上。
在命令行上,timeit
进行正确的统计分析:它告诉你最短运行时间。这很好,因为所有时间误差都是正数。因此,最短时间具有最小的误差。没有办法获得负误差,因为计算机永远不能比它可以计算得更快!
因此,命令行界面:
%~> python -m timeit "1 + 2"
10000000 loops, best of 3: 0.0468 usec per loop
这相当简单,不是吗?
您可以设置东西:
%~> python -m timeit -s "x = range(10000)" "sum(x)"
1000 loops, best of 3: 543 usec per loop
这也很有用!
如果你想要多行文本,可以使用 shell 的自动换行或使用单独的参数:
%~> python -m timeit -s "x = range(10000)" -s "y = range(100)" "sum(x)" "min(y)"
1000 loops, best of 3: 554 usec per loop
这提供了一个设置
x = range(1000)
y = range(100)
与时间有关的内容
sum(x)
min(y)
如果你想要更长的脚本,你可能会想要在 Python 脚本内使用 timeit
。但我建议避免这样做,因为在命令行上分析和计时会更好一些。相反,我倾向于创建 shell 脚本:
SETUP="
... # lots of stuff
"
echo Minmod arr1
python -m timeit -s "$SETUP" "Minmod(arr1)"
echo pure_minmod arr1
python -m timeit -s "$SETUP" "pure_minmod(arr1)"
echo better_minmod arr1
python -m timeit -s "$SETUP" "better_minmod(arr1)"
... etc
由于存在多次初始化,所以可能需要更长时间,但通常这并不是什么大问题。
但是,如果你想在你的模块内使用 timeit
呢?
那么,简单的方法是:
def function(...):
...
timeit.Timer(function).timeit(number=NUMBER)
这将为您提供累积(而不是最小值!)运行该次数所需的时间。
要进行良好的分析,请使用.repeat
并采用最小值:
min(timeit.Timer(function).repeat(repeat=REPEATS, number=NUMBER))
你通常应该将这个方法与functools.partial
结合使用,而不是使用lambda: ...
来降低开销。因此,你可以这样写:
from functools import partial
def to_time(items):
...
test_items = [1, 2, 3] * 100
times = timeit.Timer(partial(to_time, test_items)).repeat(3, 1000)
# Divide by the number of repeats
time_taken = min(times) / 1000
你也可以这样做:timeit.timeit("...", setup="from __main__ import ...", number=NUMBER)
使用"from __main__ import ..."
,可以让你在timeit
创建的虚拟环境中使用主模块中的代码,以获得更接近命令行界面的效果,但方式并不那么酷炫。值得注意的是,这是Timer(...).timeit(...)
的方便包装器,所以它并不特别适合计时。我个人更喜欢使用如上所示的Timer(...).repeat(...)
。
timeit
有一些普遍的注意事项:
没有考虑开销。比如你想计时x += 1
,以找出加法需要多长时间:
>>> python -m timeit -s "x = 0" "x += 1"
10000000 loops, best of 3: 0.0476 usec per loop
嗯,它不是0.0476微秒。你只知道它比那个时间更短。所有误差都是正的。
因此,请尝试找到纯粹的开销:
>>> python -m timeit -s "x = 0" ""
100000000 loops, best of 3: 0.014 usec per loop
这就是来自时间的良好30%开销!这可能会严重影响相对时间。但您实际上只关心添加时间;x
的查找时间也需要包括在开销中:
>>> python -m timeit -s "x = 0" "x"
100000000 loops, best of 3: 0.0166 usec per loop
差别不是很大,但确实存在。
改变方法很危险。
>>> python -m timeit -s "x = [0]*100000" "while x: x.pop()"
10000000 loops, best of 3: 0.0436 usec per loop
但那是完全错误的!在第一次迭代后,x
就是一个空列表。你需要重新初始化:
>>> python -m timeit "x = [0]*100000" "while x: x.pop()"
100 loops, best of 3: 9.79 msec per loop
但是你会有很多额外开销。请单独考虑这一点。
>>> python -m timeit "x = [0]*100000"
1000 loops, best of 3: 261 usec per loop
需要注意的是,仅当开销占用时间的一小部分时,才可以合理地减去开销。
对于您的示例,值得注意的是,插入排序和Tim排序在已排序列表上具有完全不寻常的时间行为。这意味着,如果您想避免破坏计时,就需要在排序之间使用random.shuffle
。
如果你想快速比较两个代码块/函数,可以这样做:
import timeit
start_time = timeit.default_timer()
func1()
print(timeit.default_timer() - start_time)
start_time = timeit.default_timer()
func2()
print(timeit.default_timer() - start_time)
def insertion_sort(): ...
def timsort(): ...
% python -m timeit -s 'import test' 'test.insertion_sort()'
% python -m timeit -s 'import test' 'test.timsort()'
SyntaxError: unterminated string literal
错误。是的,我来晚了。 - undefined对我来说,这是最快的方法:
import timeit
def foo():
print("here is my code to time...")
timeit.timeit(stmt=foo, number=1234567)
这个很棒:
python -m timeit -c "$(cat file_name.py)"
python -m timeit -s $(cat file_name.py)
可以在 PowerShell 中使用。如果在 $()
周围加上引号,PowerShell 似乎会将 file_name 中的所有内容输出到一行中,从而导致错误。 - thegoodhunter-9115# Генерация целых чисел
def gen_prime(x):
multiples = []
results = []
for i in range(2, x+1):
if i not in multiples:
results.append(i)
for j in range(i*i, x+1, i):
multiples.append(j)
return results
import timeit
# Засекаем время
start_time = timeit.default_timer()
gen_prime(3000)
print(timeit.default_timer() - start_time)
# start_time = timeit.default_timer()
# gen_prime(1001)
# print(timeit.default_timer() - start_time)
只需将整个代码作为timeit的一个参数进行传递:
import timeit
print(timeit.timeit(
"""
limit = 10000
prime_list = [i for i in range(2, limit+1)]
for prime in prime_list:
for elem in range(prime*2, max(prime_list)+1, prime):
if elem in prime_list:
prime_list.remove(elem)
"""
, number=10))
让我们在以下所有地方设置相同的字典并测试执行时间。
setup参数基本上是设置字典
Number用于运行代码1000000次。不是setup而是stmt
当你运行它时,可以看到索引比获取速度更快。可以多次运行以查看。
该代码基本上尝试获取字典中c的值。
import timeit
print('Getting value of C by index:', timeit.timeit(stmt="mydict['c']", setup="mydict={'a':5, 'b':6, 'c':7}", number=1000000))
print('Getting value of C by get:', timeit.timeit(stmt="mydict.get('c')", setup="mydict={'a':5, 'b':6, 'c':7}", number=1000000))
以下是我的结果,您的可能会有所不同。
按索引访问:0.20900007452246427
使用get方法访问:0.54841166886888
.repeat(7,1000)
已经这样做了(使用相同的种子)! 所以在我看来,你的解决方案是完美的。 - max.repeat(7, 1000)
与.repeat(2, 3500)
或.repeat(35, 200)
相比)应该取决于系统负载误差与输入变化误差的比较。如果你的系统总是处于重负载状态,并且在长时间空闲状态下捕获到执行时间分布图左边有一个细长的尾巴,即使你不能超过7000次运行次数,你可能会发现.repeat(7000,1)
比.repeat(7,1000)
更有用。 - maxit
,然后计时'a=next(it); timsort(a)'
,这个方案怎么样? - Stefan Pochmann