6月iOS設備好評榜：第一蟬聯榜首近一年
作為安兔兔各種榜單里變化最小的那個，2023年6月的iOS好評榜和上個月相比沒有任何排名上的變化，僅僅是部分設備好評率的下降，長年累月的用戶評價和逐漸退出市場的老款機器讓這
當我們寫完一個腳本或一個函數，首先能保證得到正確結果，其次盡可能的快（雖然會說Py這玩意咋整都慢，但有的項目就是得要基于Py開發）。
本期將總結幾種獲取程序運行時間的方法，極大的幫助對比不同算法/寫法效率。
每個操作系統都有自己的方法來算程序運行的時間，比如在Windows PowerShell中，可以用 Measure-Command 來看一個Python文件的運行時間：
Measure-Command {python tutorial.py}
在Ubuntu中，使用time命令：
time python tutorial.py如果我們除了看整個 Python 腳本的運行時間外還想看看局部運行時間咋整
如果你使用過如Jupyter Notebook等工具會知道，他們用到了一個叫做 IPython 的交互式 Python 環境。
在 IPython 中，有一個特別方便的命令叫做 timeit。
對于某行代碼的測量可以使用%timeit：
對于某一個代碼單元格的測量，可以使用%%timeit：
如果不用IPython咋整，沒關系，已經很厲害了，Python 有一個內置的timeit模塊，可以幫助檢測小段代碼運行時間
可以在命令行界面運行如下命令：
python -m timeit '[i for i in range(100)]'使用 timeit 測量執行此列表推導式所需的時間，得到輸出：
200000 loops, best of 5: 1.4 usec per loop此輸出表明每次計時將執行200000次列表推導，共計時測試了5次，最好的結果是1.4毫秒。
或者直接在Python中調用：
import timeitprint(timeit.timeit('[i for i in range(100)]', number=1))對于更復雜的情況，有三個參數需要考慮：
比如一個更復雜的例子：
import timeit# prerequisites before running the stmtmy_setup = "from math import sqrt"# code snippet we would like to measuremy_code = '''def my_function(): for x in range(10000000): sqrt(x)'''print(timeit.timeit(setup=my_setup, stmt=my_code, number=1000))# 6.260000000000293e-05Python中內置的time模塊相信都不陌生，基本的用法是在待測代碼段的起始與末尾分別打上時間戳，然后獲得時間差：
import timedef my_function(): for i in range(10000000): passstart = time.perf_counter()my_function()print(time.perf_counter()-start)# 0.1179838我經常使用time.perf_counter()來獲取時間，更精確，在之前的教程中有提過。
time模塊中還有一些其他計時選擇：
假如我們需要在多個代碼段測試運行時間，每個首尾都打上時間戳再計算時間差就有點繁瑣了，咋整，上裝飾器：
import timedef log_execution_time(func): def wrapper(*args, **kwargs): start = time.perf_counter() res = func(*args, **kwargs) end = time.perf_counter() print(f'The execution of {func.__name__} used {end - start} seconds.') return res return wrapper@log_execution_timedef my_function(): for i in range(10000000): passmy_function()# The execution of my_function used 0.1156899 seconds.如上例所示，這樣就使得代碼肥腸干凈與整潔。
本文鏈接：http://www.tebozhan.com/showinfo-26-16609-0.html你寫的Python代碼到底多快？這些測試工具了解了解
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： React性能優化之useMemo、useCallback
下一篇： 增強現實可穿戴設備如何提高醫療保健效率
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號