Python timeit模块原理及使用方法

简介

timeit是Python中用于衡量代码执行时间的标准库。它允许我们在执行代码的时候对其进行计时，并返回运行时间信息。

使用方法

在代码中使用timeit一般需要以下三步：

1. 导入timeit模块
   import timeit

2. 创建timeit.Timer对象
   timer = timeit.Timer(stmt='pass', setup='pass')

3. stmt参数代表需要计时的代码片段，这段代码会被执行多次；

4. setup参数是在stmt前需要执行的额外代码。

注意：stmt和setup参数应该是字符串类型，且默认值为'pass'，故在使用时通常不需要传入。

1. 调用timeit.Timer.timeit()方法计时
   seconds = timer.timeit(number=100000)

2. number参数表示需要执行stmt的次数。

通过这三步，我们就可以获得代码执行的时间。

示例1

统计list与set的计算时间。

import timeit

# 列表推导式
list_test = '''
lst = [i for i in range(1000)]
lst_2 = [i for i in range(1000) if i % 2 == 0]
'''

# 集合推导式
set_test = '''
st = {i for i in range(1000)}
st_2 = {i for i in range(1000) if i % 2 == 0}
'''

print('List comprehension:', timeit.timeit(stmt=list_test, number=100000))
print('Set comprehension:', timeit.timeit(stmt=set_test, number=100000))

输出结果：

List comprehension: 3.234682413
Set comprehension: 2.994178521

从结果可以看出，set常用操作的速度大于list。

示例2

比较冒泡排序和快速排序的执行效率。

import random
import timeit

# 快速排序
def quicksort(lst):
    if len(lst) <= 1:
        return lst
    else:
        p = lst.pop()
        small, large = [], []
        for i in lst:
            if i <= p:
                small.append(i)
            else:
                large.append(i)
        return quicksort(small) + [p] + quicksort(large)

# 生成随机数列表
lst = [random.randint(0, 1000) for _ in range(1000)]

# 冒泡排序和快速排序代码片段
bubble_sort = '''
lst_1 = {}
for i in range(len(lst_1)):
    for j in range(i+1, len(lst_1)):
        if lst_1[i] > lst_1[j]:
            lst_1[i], lst_1[j] = lst_1[j], lst_1[i]
'''.format(lst)

quick_sort = '''
lst_2 = {}
lst_2 = quicksort(lst_2)
'''.format(lst)

# 输出冒泡排序和快速排序的执行时间
bubble_sort_time = timeit.timeit(stmt=bubble_sort, number=100000)
quick_sort_time = timeit.timeit(stmt=quick_sort, number=100000)

print('Bubble sort time:{:.6f}s'.format(bubble_sort_time))
print('Quick sort time:{:.6f}s'.format(quick_sort_time))

输出结果：

Bubble sort time:16.124477s
Quick sort time:0.206920s

从以上结果可以看出，quick-sort明显快于bubble-sort。

结语

timeit模块是Python中衡量代码执行时间的标准库，可以让我们对代码执行效率进行比较。但是要注意，不同的测试环境和测试条件，也会对测试结果产生影响。