Python中函数的准确计时

Question

我在Windows上用Python编程，想准确测量一个函数运行的时间。我写了一个叫“time_it”的函数，它接收另一个函数，运行它，然后返回运行所花的时间。

def time_it(f, *args):
    start = time.clock()
    f(*args)
    return (time.clock() - start)*1000

我调用这个函数1000次，然后计算平均值。（最后的1000是为了把结果转换成毫秒。）

这个函数看起来是有效的，但我总觉得我可能做错了什么，感觉这样做可能会比实际运行函数所需的时间更长。

有没有更标准或更被接受的方法来做这个呢？

当我把测试函数改成调用一个打印语句，让它运行得更久时，我的time_it函数返回的平均时间是2.5毫秒，而cProfile.run('f()')返回的平均时间是7.0毫秒。我原以为我的函数会高估时间，怎么会出现这种情况呢？

还有一点需要说明的是，我关心的是函数之间的相对时间，而不是绝对时间，因为这显然会因硬件和其他因素而有所不同。

Answer 1

你可以这样创建一个叫做“timeme”的装饰器：

import time                                                

def timeme(method):
    def wrapper(*args, **kw):
        startTime = int(round(time.time() * 1000))
        result = method(*args, **kw)
        endTime = int(round(time.time() * 1000))

        print(endTime - startTime,'ms')
        return result

    return wrapper

@timeme
def func1(a,b,c = 'c',sleep = 1):
    time.sleep(sleep)
    print(a,b,c)

func1('a','b','c',0)
func1('a','b','c',0.5)
func1('a','b','c',0.6)
func1('a','b','c',1)

Answer 2

使用Python标准库中的 timeit 模块。

基本用法：

from timeit import Timer

# first argument is the code to be run, the second "setup" argument is only run once,
# and it not included in the execution time.
t = Timer("""x.index(123)""", setup="""x = range(1000)""")

print t.timeit() # prints float, for example 5.8254
# ..or..
print t.timeit(1000) # repeat 1000 times instead of the default 1million

Answer 3

与其自己写性能分析的代码，不如看看Python自带的性能分析工具（根据你的需求可以选择profile或cProfile）。你可以在这里找到相关信息：http://docs.python.org/library/profile.html