如何使用timeit modu

Question

我理解timeit做什么的概念，但我不确定如何在代码中实现它。

我如何比较两个函数，比如insertion_sort和tim_sort，与timeit？

Answer 1

我将告诉您一个秘密：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：它告诉您最短的运行时间。这很好，因为所有计时错误都是正的。所以最短的时间误差最小。没有办法得到负误差，因为计算机永远不能计算得比它能计算得快！

因此，命令行界面：

%~> python -m timeit "1 + 2"
10000000 loops, best of 3: 0.0468 usec per loop

很简单，嗯？

你可以设置：

%~> python -m timeit -s "x = range(10000)" "sum(x)"
1000 loops, best of 3: 543 usec per loop

这也很有用！

如果需要多行，可以使用shell的自动延续或使用单独的参数：

%~> python -m timeit -s "x = range(10000)" -s "y = range(100)" "sum(x)" "min(y)"
1000 loops, best of 3: 554 usec per loop

这样就有了

x = range(1000)
y = range(100)

和时代

sum(x)
min(y)

---

如果您想拥有更长的脚本，您可能会尝试在Python脚本中移动到timeit。我建议避免这样做，因为命令行的分析和计时更简单。相反，我倾向于制作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

由于多次初始化，这可能需要更长的时间，但通常这不是什么大事。

---

但是如果你想在你的模块中使用timeit呢？

好吧，简单的方法是：

def function(...):
    ...

timeit.Timer(function).timeit(number=NUMBER)

这给了你累加（不是最小值！）是时候跑这么多次了。

要获得良好的分析，请使用.repeat，并取最小值：

min(timeit.Timer(function).repeat(repeat=REPEATS, number=NUMBER))

通常，您应该将它与functools.partial而不是lambda: ...结合使用，以降低开销。这样你就可以得到这样的东西：

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

---

您还可以执行以下操作：

timeit.timeit("...", setup="from __main__ import ...", number=NUMBER)

这将使您更接近命令行中的接口，但方式不那么酷。"from __main__ import ..."允许您在由timeit创建的人工环境中使用来自主模块的代码。

值得注意的是，这是一个方便的Timer(...).timeit(...)包装器，因此不太擅长计时。我个人更喜欢使用Timer(...).repeat(...)，如上面所示。

---

警告

有一些关于timeit的警告在任何地方都适用。

• 不计入间接费用。假设您想计时x += 1，以了解加法需要多长时间：

  >>> python -m timeit -s "x = 0" "x += 1"
  10000000 loops, best of 3: 0.0476 usec per loop
  

  好吧，它是而不是0.0476微秒。你只知道它比这个小。所有的错误都是肯定的。

  所以试着找出纯开销：

  >>> python -m timeit -s "x = 0" ""      
  100000000 loops, best of 3: 0.014 usec per loop
  

  这是一个很好的30%从时间上来说的开销！这会严重影响相对计时。但是您只关心添加计时；还需要将x的查找计时包括在开销中：

  >>> python -m timeit -s "x = 0" "x"
  100000000 loops, best of 3: 0.0166 usec per loop
  

  差别并不大，但确实存在。

• 变异方法是危险的。

  >>> 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！x是第一次迭代后的空列表。您需要重新初始化：

  >>> python -m timeit "x = [0]*100000" "while x: x.pop()"
  100 loops, best of 3: 9.79 msec per loop
  

  但是你有很多开销。单独说明。

  >>> python -m timeit "x = [0]*100000"                   
  1000 loops, best of 3: 261 usec per loop
  

  注意，这里减去开销是合理的，因为开销只是时间的一小部分。

  对于您的示例，值得注意的是，插入排序和Tim排序对于已经排序的列表都具有完全不寻常的计时行为。这意味着您需要在排序之间使用random.shuffle，以避免破坏您的计时。