Python 性能测量
给定的问题可能有多种可行的算法来解决。因此,我们需要优化解决方案的性能。Python的 timeit 模块是一个用来测量Python应用性能的有用工具。
该模块中的timeit()函数可以测量Python代码的执行时间。
语法
timeit.timeit(stmt, setup, timer, number)
参数
- stmt − 用于测试性能的代码段。
-
setup − 用于传递参数或变量的设置详情。
-
timer − 使用默认计时器,所以可以省略。
-
number − 代码将会被执行的次数。默认值为1000000。
示例
以下语句使用列表推导式返回每个范围内的数字乘以2的列表,范围为0到100。
>>> [n*2 for n in range(100)]
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34,
36, 38, 40, 42, 44, 46, 48, 50, 52, 54, 56, 58, 60, 62, 64, 66, 68,
70, 72, 74, 76, 78, 80, 82, 84, 86, 88, 90, 92, 94, 96, 98, 100,
102, 104, 106, 108, 110, 112, 114, 116, 118, 120, 122, 124, 126,
128, 130, 132, 134, 136, 138, 140, 142, 144, 146, 148, 150, 152,
154, 156, 158, 160, 162, 164, 166, 168, 170, 172, 174, 176, 178,
180, 182, 184, 186, 188, 190, 192, 194, 196, 198]
要测量上述语句的执行时间,我们使用timeit()函数如下所示:
>>> from timeit import timeit
>>> timeit('[n*2 for n in range(100)]', number=10000)
0.0862189000035869
对比使用for循环附加数字的执行时间与这个过程。
>>> string = '''
... numbers=[]
... for n in range(100):
... numbers.append(n*2)
... '''
>>> timeit(string, number=10000)
0.1010853999905521
结果表明列表推导更有效。
语句字符串可以包含一个Python函数,可以传递一个或多个参数作为设置代码。
我们将找到并比较使用循环的阶乘函数和递归版本的执行时间。
使用for循环的普通函数为 –
def fact(x):
fact = 1
for i in range(1, x+1):
fact*=i
return fact
递归阶乘的定义。
def rfact(x):
if x==1:
return 1
else:
return x*fact(x-1)
测试这些函数以计算10的阶乘。
print ("Using loop:",fact(10))
print ("Using Recursion",rfact(10))
Result
Using loop: 3628800
Using Recursion 3628800
现在我们将使用timeit()函数找到它们各自的执行时间。
import timeit
setup1="""
from __main__ import fact
x = 10
"""
setup2="""
from __main__ import rfact
x = 10
"""
print ("Performance of factorial function with loop")
print(timeit.timeit(stmt = "fact(x)", setup=setup1, number=10000))
print ("Performance of factorial function with Recursion")
print(timeit.timeit(stmt = "rfact(x)", setup=setup2, number=10000))
输出
Performance of factorial function with loop
0.00330029999895487
Performance of factorial function with Recursion
0.006506800003990065
递归函数比循环函数慢。
通过这种方式,我们可以对Python代码进行性能测量。