Python中的timeit模块无法识别numpy模块。

Question

我想测试两个相同列表之间的处理时间，具体来说是普通列表和numpy列表。我的代码如下：

import timeit
import numpy as np

t = timeit.Timer("range(1000)")
print t.timeit()

u = timeit.Timer("np.arange(1000)")
print u.timeit()

计算 t 没问题，但是对于 u，出现了 NameError: global name 'np' is not defined。

我该如何编写代码来获取处理时间？

- user3211991

Answer 1

timeit.Timer类有两种使用方式。

它可以接受需要编译和执行的源代码——此时，代码将在一个仅运行setup代码的新环境中执行；或者可以接受一个可调用对象，在这种情况下，该可调用对象就像任何其他可调用对象一样在当前环境中被调用。

因此，您有两个选项：

u = timeit.Timer("np.arange(1000)", setup='import numpy as np')

…或者…

u = timeit.Timer(lambda: np.arange(1000))

在第一种情况下，你恰好做了一个import numpy as np是无关紧要的；它对编译和执行np.arange(1000)的环境没有影响（因此你必须在setup=...中包含它）。

在第二种情况下，你做了一个import numpy as np是显然相关的——它会影响你的代码被评估的环境，包括lambda: np.arange(1000)。

- abarnert

Answer 2

使用setup参数：

u = timeit.Timer("np.arange(1000)", setup='import numpy as np')

- ndpu

---

谢谢你提供代码。现在我知道时间了，你知道为什么普通列表的时间（10.4秒）比数组（1.9秒）长得多吗？ - user3211991

@user3211991 range(1000) 在内存中创建列表，请尝试将 range(1000) 替换为 xrange(1000)，参考 https://dev59.com/m3VD5IYBdhLWcg3wE3bz。 - ndpu

请参见https://dev59.com/FWgv5IYBdhLWcg3wTvE-，了解range和np.arange之间效率的更多细节。 - Ffisegydd

@user3211991：那真的是一个完全不同的问题...但一般来说，创建1000个Python int对象以及一个用于保存它们的列表将比创建和初始化1000个C int对象的数组需要更长的时间。这就是NumPy的半个优点——不在Python对象中“装箱”每个值可以节省所有装箱和拆箱的时间。（另一个优点是它还可以节省这1000个“盒子”的内存。第三个优点——因为NumPy足够酷，拥有超过100％的好处——是它提供了逐元素操作的良好API。） - abarnert

Answer 3

要在 timeit 中使用导入的库，您需要使用 setup 关键字参数进行导入（文档）：

import timeit

# Doesn't require setup kwarg as range doesn't need to be imported.
t = timeit.Timer("range(1000)")
print t.timeit()

# Requires the import of numpy (as np) through the setup kwarg.
u = timeit.Timer("np.arange(1000)", setup = 'import numpy as np')
print(u.timeit())

< p > < code > setup 关键参数允许您设置代码，例如通过使用< code > from__main__import func 导入外部库或从您的代码导入函数。

- Ffisegydd

---

不，你不必使用 setup 关键字参数导入它们。如果你传递一个可调用对象而不是要编译的代码，则这个可调用对象已经在你的普通环境中编译过了（包括任何 import 语句），并且可以正常运行。 - abarnert