1.请用timeit模块来进行计时。
timeit模块本身就是为执行相对可靠的计时操作而设计的。
>>> import timeit
>>> timeit.timeit("x=2+2")
0.01885766963785026
>>> timeit.timeit("x=sum(range(10))")
0.6600510945295461
2.请使用profiler找出瓶颈。
在实践过程中,我们经常会猜测自己代码中需要优化的是哪一部分,而这种猜测往往又都是错的。Python语言中就自带了少量的profiler变体,但我们还是建议您使用cProfile模块,它使用起来与timeit一样简单。但能给出关于执行时间都花在哪里的更为详细的信息。
def test():
print("I'm test def")
def sumtest():
x=sum(range(100))
print(x)
if __name__=='__main__':
import cProfile
cProfile.run('test()')
cProfile.run('sumtest()')
其中,输出每列的具体解释如下:
ncalls:表示函数调用的次数;
tottime:表示指定函数的总的运行时间,除掉函数中调用子函数的运行时间;
percall:(第一个percall)等于 tottime/ncalls;
cumtime:表示该函数及其所有子函数的调用运行的时间,即函数开始调用到返回的时间;
percall:(第二个percall)即函数运行一次的平均时间,等于 cumtime/ncalls;
filename:lineno(function):每个函数调用的具体信息;