python 打印出函數執(zhí)行所用時間

使用timeit模塊，先介紹下：

柳林網站建設公司創(chuàng)新互聯公司,柳林網站設計制作，有大型網站制作公司豐富經驗。已為柳林近1000家提供企業(yè)網站建設服務。企業(yè)網站搭建\成都外貿網站建設要多少錢，請找那個售后服務好的柳林做網站的公司定做！

timeit 模塊

timeit?模塊定義了接受兩個參數的?Timer?類。兩個參數都是字符串。 第一個參數是你要計時的語句或者函數。 傳遞給?Timer?的第二個參數是為第一個參數語句構建環(huán)境的導入語句。 從內部講，?timeit?構建起一個獨立的虛擬環(huán)境， 手工地執(zhí)行建立語句，然后手工地編譯和執(zhí)行被計時語句。

一旦有了?Timer?對象，最簡單的事就是調用?timeit()，它接受一個參數為每個測試中調用被計時語句的次數，默認為一百萬次；返回所耗費的秒數。

Timer?對象的另一個主要方法是?repeat()， 它接受兩個可選參數。 第一個參數是重復整個測試的次數，第二個參數是每個測試中調用被計時語句的次數。 兩個參數都是可選的，它們的默認值分別是?3?和?1000000。?repeat()?方法返回以秒記錄的每個測試循環(huán)的耗時列表。Python?有一個方便的?min?函數可以把輸入的列表返回成最小值，如： min(t.repeat(3, 1000000))

你可以在命令行使用?timeit?模塊來測試一個已存在的?Python?程序，而不需要修改代碼。

再給你個例子，你就知道怎么做了。

#?-*-?coding:?utf-8?-*-

#!/bin/env?python

def?test1():

n=0

for?i?in?range(101):

n+=i

return?n

def?test2():

return?sum(range(101))

def?test3():

return?sum(x?for?x?in?range(101))

if?__name__=='__main__':

from?timeit?import?Timer

t1=Timer("test1()","from?__main__?import?test1")

t2=Timer("test2()","from?__main__?import?test2")

t3=Timer("test3()","from?__main__?import?test3")

print?t1.timeit(1000000)

print?t2.timeit(1000000)

print?t3.timeit(1000000)

print?t1.repeat(3,1000000)

print?t2.repeat(3,1000000)

print?t3.repeat(3,1000000)

找出python程序中運行時最耗時間的部分

那就是profile和cProfile模塊：

import?cProfile

cProfile.run('function....')

另外，time模塊，在不同的函數的開頭和結尾分別計時，然后將兩個時間相減，就可以獲得這段函數的運行時間了，然后在看哪段函數占的時間比較大：

import?time

t1=time.time()

##you?function?segment?here

t2=time.time()

timediff=t2-t1

提升Python運行速度的5個小技巧

pre{overflow-x: auto}

Python 是世界上使用最廣泛的編程語言之一。它是一種解釋型高級通用編程語言，具有廣泛的用途，幾乎可以將其用于所有事物。其以簡單的語法、優(yōu)雅的代碼和豐富的第三方庫而聞名。python除了有很多優(yōu)點外，但在速度上還有一個非常大的缺點。

雖然Python代碼運行緩慢，但可以通過下面分享的5個小技巧提升Python運行速度！

首先，定義一個計時函數timeshow，通過簡單的裝飾，可以打印指定函數的運行時間。

這個函數在下面的例子中會被多次使用。

def?timeshow(func): ????from?time?import?time ????def?newfunc(*arg,?**kw): ????????t1?=?time() ????????res?=?func(*arg,?**kw) ????????t2?=?time() ????????print(f"{func.__name__:?10}?:?{t2-t1:.6f}?sec") ????????return?res ????return?newfunc @timeshow def?test_it(): ????print("hello?pytip") test_it() 1. 選擇合適的數據結構

使用正確的數據結構對python腳本的運行時間有顯著影響。Python 有四種內置的數據結構：

列表 : List

元組 : Tuple

集合 : Set

字典 : Dictionary

但是，大多數開發(fā)人員在所有情況下都使用列表。這是不正確的做法，應該根據任務使用合適數據結構。

運行下面的代碼，可以看到元組執(zhí)行簡單檢索操作的速度比列表快。其中dis模塊反匯編了一個函數的字節(jié)碼，這有利于查看列表和元組之間的區(qū)別。

import?dis def?a(): ????data?=?[1,?2,?3,?4,?5,6,7,8,9,10] ????x?=data[5] ????return?x def?b(): ????data?=?(1,?2,?3,?4,?5,6,7,8,9,10) ????x?=data[5] ????return?x print("-----:使用列表的機器碼:------") dis.dis(a) print("-----:使用元組的機器碼:------") dis.dis(b)

運行輸出:

-----:使用列表的機器碼:------

3 0 LOAD_CONST 1 (1)

2 LOAD_CONST 2 (2)

4 LOAD_CONST 3 (3)

6 LOAD_CONST 4 (4)

8 LOAD_CONST 5 (5)

10 LOAD_CONST 6 (6)

12 LOAD_CONST 7 (7)

14 LOAD_CONST 8 (8)

16 LOAD_CONST 9 (9)

18 LOAD_CONST 10 (10)

20 BUILD_LIST 10

22 STORE_FAST 0 (data)

4 24 LOAD_FAST 0 (data)

26 LOAD_CONST 5 (5)

28 BINARY_SUBSCR

30 STORE_FAST 1 (x)

5 32 LOAD_FAST 1 (x)

34 RETURN_VALUE

-----:使用元組的機器碼:------

7 0 LOAD_CONST 1 ((1, 2, 3, 4, 5, 6, 7, 8, 9, 10))

2 STORE_FAST 0 (data)

8 4 LOAD_FAST 0 (data)

6 LOAD_CONST 2 (5)

8 BINARY_SUBSCR

10 STORE_FAST 1 (x)

9 12 LOAD_FAST 1 (x)

14 RETURN_VALUE

看下列表的機器碼，冗長而多余！

2. 善用強大的內置函數和第三方庫

如果你正在使用python并且仍在自己編寫一些通用函數(比如加法、減法)，那么是在侮辱python。 Python有大量的庫和內置函數來幫助你不用編寫這些函數。 如果研究下，那么你會驚奇地發(fā)現幾乎90%的問題已經有第三方包或內置函數來解決。

可以通過訪問官方文檔查看所有內置函數。你也可以在wiki python上找到更多使用內置函數的場景。

比如，現在我們想合并列表中的所有單詞為一個句子，比較法自己編寫和調用庫函數的區(qū)別:

#???正常人能想到的方法 @timeshow def?f1(list): ????s?="" ????for?substring?in?list: ????????s?+=?substring ????return?s #???pythonic?的方法 @timeshow def?f2(list): ????s?=?"".join(list) ????return?s l?=?["I",?"Love",?"Python"]?*?1000?#?為了看到差異，我們把這個列表放大了 f1(l) f2(l)

運行輸出:

f1 : 0.000227 sec

f2 : 0.000031 sec

3. 少用循環(huán)

用 列表推導式 代替循環(huán)

用 迭代器 代替循環(huán)

用 filter() 代替循環(huán)

減少循環(huán)次數，精確控制，不浪費CPU

##?返回n以內的可以被7整除的所有數字。 #???正常人能想到的方法: @timeshow def?f_loop(n):? ????L=[] ????for?i?in?range(n): ????????if?i?%?7?==0: ????????????L.append(i) ????return?L #????列表推導式 @timeshow def?f_list(n): ????L?=?[i?for?i?in?range(n)?if?i?%?7?==?0] ????return?L #????迭代器 @timeshow def?f_iter(n): ????L?=?(i?for?i?in?range(n)?if?i?%?7?==?0) ????return?L #???過濾器? @timeshow def?f_filter(n): ????L?=?filter(lambda?x:?x?%?7?==?0,?range(n)) ????return?L #???精確控制循環(huán)次數? @timeshow def?f_mind(n): ????L?=?(i*7?for?i?in?range(n//7)) ????return?L n?=?1_000_000 f_loop(n) f_list(n) f_iter(n) f_filter(n) f_mind(n)

輸出為:

f_loop : 0.083017 sec

f_list : 0.056110 sec

f_iter : 0.000015 sec

f_filter : 0.000003 sec

f_mind : 0.000002 sec

誰快誰慢，一眼便知！

filter 配合 lambda 大法就是屌！?。?/p>

4. 避免循環(huán)重復計算

如果你有一個迭代器，必須用它的元素做一些耗時計算，比如匹配正則表達式。你應該將正則表達式模式定義在循環(huán)之外，因為最好只編譯一次模式，而不是在循環(huán)的每次迭代中一次又一次地編譯它。

只要有可能，就應該嘗試在循環(huán)外進行盡可能多的運算，比如將函數計算分配給局部變量，然后在函數中使用它。

#???應改避免的方式： @timeshow def?f_more(s): ????import?re ????for?i?in?s: ????????m?=?re.search(r'a*[a-z]?c',?i) #???更好的方式： @timeshow def?f_less(s): ????import?re ????regex?=?re.compile(r'a*[a-z]?c') ????for?i?in?s: ????????m?=?regex.search(i) s?=?["abctestabc"]?*?1_000 f_more(s) f_less(s)

輸出為:

f_more : 0.001068 sec

f_less : 0.000365 sec

5. 少用內存、少用全局變量

內存占用是指程序運行時使用的內存量。為了讓Python代碼運行得更快，應該減少程序的內存使用量，即盡量減少變量或對象的數量。

Python 訪問局部變量比全局變量更有效。在有必要之前，應該始終嘗試忽略聲明全局變量。一個在程序中定義過的全局變量會一直存在，直到整個程序編譯完成，所以它一直占據著內存空間。另一方面，局部變量訪問更快，且函數完成后即可回收。因此，使用多個局部變量比使用全局變量會更好。

#???應該避免的方式： message?=?"Line1\n" message?+=?"Line2\n" message?+=?"Line3\n" #???更好的方式： l?=?["Line1","Line2","Line3"] message?=?'\n'.join(l) #???應該避免的方式： x?=?5 y?=?6? def?add(): ????return?x+y add() #???更好的方式： def?add(): ????x?=?5 ????y?=?6 ????return?x+y add()

總結

本篇文章就到這里了，希望能夠給你帶來幫助，也希望您能夠多多關注的更多內容!

網頁名稱：python函數執(zhí)行耗時的簡單介紹
地址分享：http://jinyejixie.com/article10/docppgo.html

成都網站建設公司_創(chuàng)新互聯，為您提供搜索引擎優(yōu)化、ChatGPT、網站導航、電子商務、App開發(fā)、域名注冊

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯