我們知道為了提高代碼的運行速度，我們需要對書寫的python代碼進行性能測驗，而代碼性能的高低的直接反饋是電腦運行代碼所需要的時間，這里將介紹四種常用的測驗代碼運行速度的方法，
第一種：使用time模塊對代碼的運行時間進行統計，代碼如下：
import time
class Debug:
def mainProgram(self):
start_time = time.time()
for i in range(100):
print(i)
end_time = time.time()
print(f"the running time is: {end_time - start_time} s")
if __name__ == "__main__":
main = Debug()
main.mainProgram()
我們采用time 模塊給所要測驗的代碼的前后加上時間戳，一個記為start_time，一個記作end_time，最后代碼塊的運行時間為end_time-start_time，單位為s(秒)，當然在python中還有許多的記錄時間的模塊，這里不做過多討論，均類似于time模塊，實作思路上一致，代碼實作上大同小異，
第二種：使用IPython的Built-in magic commands,%time,代碼如下：
class Debug:
def mainProgram(self):
%time for i in range(100): print(i)
main = Debug()
main.mainProgram()
"""
Wall time: 1.99 ms
"""
這個類定義是可以去掉的，并不會影響最終的結果，%time 后面加上想要計算時間的代碼，然后編譯器就會在運行后自動給出所測驗代碼的運行時間，但是經過測驗，%time方法測出的時間并不準確，時間波動范圍非常大，這個是很好理解的，因為計算機每時每刻都在處理一些行程，也就是說計算機的運行狀態每時每刻都是不同的，所以在不同的時刻測驗同一段代碼的運行時間也會得到不同的結果，
第三種：用IPython的另一個Built-in magic commands,%timeit，使用方法類似于%time，代碼如下：
class Debug:
def mainProgram(self):
%timeit for i in range(100): print(i)
main = Debug()
main.mainProgram()
"""
8.53 ms ± 452 μs per loop (mean ± std. dev. of 7 runs, 100 loops each)
"""
我們可以看到得到的結果是：每個回圈8.53 ms±452 μs（平均±標準偏差，共運行7次，每個回圈100個）%timeit相比于%time，%timeit會多次執行測驗代碼，并且會取它們運行時間的平均值，并且還會計算出它們的標準差，因此這種計算方法計算的結果相對于使用%time執行測驗代碼一次是比較準確的，
第四種：匯入timeit模塊來計算代碼塊的執行時間
import timeit
class Debug:
def mainProgram(self):
result = timeit.timeit(stmt="for i in range(100): print(i)", number=10)
print(result)
main = Debug()
main.mainProgram()
"""
0.05363089999991644 s
"""
匯入timeit模塊后使用timeit.timeit()來測驗想要測驗的代碼，并且代碼以string的形式進行輸入，并且需要設定number值，設定測驗的該段代碼需要執行的次數，最終我們得到0.05363089999991644，單位是s(秒)，與內置魔法方法%timeit方法不同的是雖然也是多次計算，但是最侄訓取的時間是n次執行代碼所需的總時間而不是執行一次的時間，
至此，代碼的運行速度測驗方法的介紹暫時告一段落，（以后可能會進一步更新更加全面的）
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/58035.html
標籤：其他
上一篇：第一章 python歷練