如何基于python测量代码运行时间

当我们优化代码或者比较算法的效率时，了解代码运行所需时间是非常重要的。Python提供了一种方法来测量代码运行时间。在本文中，我们将讨论Python中测量代码运行时间的方法。

time库

Python内置time库，可以用于测量代码执行所需时间。具体步骤如下：

1. 使用time模块中的time()函数记录当前时间作为开始时间。
2. 执行要计时的代码。
3. 再次使用time()函数记录当前时间作为结束时间，相减得到代码执行时间。

下面是一个示例代码：

import time

start = time.time()

# 执行代码
for i in range(100000):
    pass

end = time.time()

print("代码执行所需时间为：", end-start, "秒")

在这个示例中，我们使用time()函数记录了程序开始和结束的时间，然后通过两次时间差，计算出代码执行所需时间。

timeit库

另一个测量Python代码运行时间的方法是使用timeit模块。timeit模块可以在多次运行同一个代码块时提供更加准确的计时结果。步骤如下：

1. 使用timeit()函数包装要计时的代码块。
2. 指定运行代码块的次数和可选的计时器功能。
3. 执行timeit()函数，得到代码块的平均执行时间。

下面是一个示例代码：

import timeit

code_to_test = """
for i in range(100000):
    pass
"""

elapsed_time = timeit.timeit(code_to_test, number=100)

print("代码执行100次的平均时间为：", elapsed_time, "秒")

在这个示例中，我们使用timeit()函数对一个简单的for循环进行计时，指定执行循环的次数为100次，并得到循环的平均执行时间。

另外，timeit()函数还支持在计时期间禁止垃圾收集器，以避免在计时期间偶发的性能影响。禁用垃圾收集器的方法是设置gc.disable()，用完后别忘了还原垃圾回收器的状态，以避免潜在的内存泄漏问题。

这是一个禁用垃圾收集器的示例代码：

import timeit
import gc

gc.disable()

code_to_test = """
for i in range(100000):
    pass
"""

elapsed_time = timeit.timeit(code_to_test, number=100)

gc.enable()

print("代码执行100次的平均时间为：", elapsed_time, "秒")

在上述示例中，我们在测量期间禁用了垃圾收集器。禁用后，我们需要使用gc.enable()命令重新启用垃圾收集器。这种技术适用于需要测量Python代码的微秒级别时间差，并且需要减少外部影响的情况。