pycharm对比两段代码的执行时间

PyCharm 提供了一个名为 timeit 的内置模块，可以用来计算 Python 代码的执行时间。使用 timeit 模块，您可以在 PyCharm 中轻松比较两段代码的执行时间。

以下是一个示例代码，演示了如何使用 timeit 模块计算两段代码的执行时间：

import timeit

# 第一段代码
def code_1():
    # ...

# 第二段代码
def code_2():
    # ...

# 执行第一段代码并计算执行时间
time_1 = timeit.timeit(code_1, number=1000)

# 执行第二段代码并计算执行时间
time_2 = timeit.timeit(code_2, number=1000)

# 对比两段代码的执行时间
if time_1 < time_2:
    print('第一段代码执行更快')
else:
    print('第二段代码执行更快')

在上面的示例中，我们首先定义了两个函数，分别代表了两段代码。然后，我们使用 timeit.timeit() 函数来执行这两个函数并计算它们的执行时间。最后，我们比较这两个执行时间以确定哪个代码执行得更快。

请注意，timeit.timeit() 函数的 number 参数定义了每个函数执行的次数。在上面的示例中，我们将 number 参数设置为 1000，这意味着每个函数都将被执行 1000 次。
可以根据需要调整这个数字来获得更准确的执行时间。

或者我们有一个更简便的方式取调试函数的耗时问题,
首先编写io监控和打印的函数

@contextlib.contextmanager
def profiled():
    # 性能测试
    pr = cProfile.Profile()
    pr.enable()
    yield
    pr.disable()
    s = io.StringIO()
    ps = pstats.Stats(pr, stream=s).sort_stats('cumulative')
    ps.print_stats()
    # uncomment this to see who's calling what
    # ps.print_callers()
    run_log = s.getvalue()
    # 定义列名的映射关系
    column_mapping = {
        'ncalls': '调用次数',
        'tottime': '函数耗时',
        'percall': '平均耗时',
        'cumtime': '总+子函数耗时',
        'filename:lineno(function)': '文件名:行号(函数名)'
    }
    # 替换列名为中文
    for eng_col, chi_col in column_mapping.items():
        run_log = run_log.replace(eng_col, chi_col)

    # 打印输出
    print(run_log)

然后再需要监控的函数前加入with语句

with profiled:
	my_function()

这样当my_function()执行完毕时就会打印里面的子函数的耗时和io