Python运行速度的测验方法有几种
|
这篇文章主要介绍了“Python运行速度的测试方法有几种”相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇Python运行速度的测试方法有几种文章都会有所收获，下面我们一起来看看吧。 我们知道为了提高代码的运行速度，我们需要对书写的python代码进行性能测试，而代码性能的高低的直接反馈是电脑运行代码所需要的时间。 这里将介绍四种常用的测试代码运行速度的方法。 第一种 使用time模块对代码的运行时间进行统计，代码如下： 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() 我们采用time 模块给所要测试的代码的前后加上时间戳，一个记为start_time，一个记作end_time，最后代码块的运行时间为end_time-start_time，单位为s(秒)。 当然在python中还有许多的记录时间的模块，这里不做过多讨论，均类似于time模块，实现思路上一致，代码实现上大同小异。 第二种 使用IPython的Built-in magic commands,%time,代码如下： class Debug: def mainProgram(self): %time for i in range(100): print(i) main = Debug() main.mainProgram() """ Wall time: 1.99 ms """ 这个类定义是可以去掉的，并不会影响最终的结果，%time 后面加上想要计算时间的代码，然后编译器就会在运行后自动给出所测试代码的运行时间，但是经过测试，%time方法测出的时间并不准确，时间波动范围非常大，这个是很好理解的，因为计算机每时每刻都在处理一些进程，也就是说计算机的运行状态每时每刻都是不同的，所以在不同的时刻测试同一段代码的运行时间也会得到不同的结果。 第三种 用IPython的另一个Built-in magic commands,%timeit，使用方法类似于%time，代码如下： 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) """ 我们可以看到得到的结果是：每个循环8.53 ms±452 µs（平均±标准偏差，共运行7次，每个循环100个）%timeit相比于%time，%timeit会多次执行测试代码，并且会取它们运行时间的平均值，并且还会计算出它们的标准差，因此这种计算方法计算的结果相对于使用%time执行测试代码一次是比较准确的。 第四种 导入timeit模块来计算代码块的执行时间 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 """ 导入timeit模块后使用timeit.timeit()来测试想要测试的代码，并且代码以string的形式进行输入，并且需要设定number值，设定测试的该段代码需要执行的次数，最终我们得到0.05363089999991644，单位是s(秒)，与内置魔法方法%timeit方法不同的是虽然也是多次计算，但是最终获取的时间是n次执行代码所需的总时间而不是执行一次的时间。 至此，代码的运行速度测试方法的介绍暂时告一段落。 当然，还有一种进阶操作可以用来测试脚本文件的性能，python 脚本性能分析(超链接点击跳转)。 （编辑：驾考网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
