Python代码运行时间测试的四种常用方法详解

Python代码性能测试概述

为了提升代码执行效率，对编写的Python代码进行性能测试至关重要，而衡量性能最直接的指标便是代码执行所耗费的时间。本文将详细阐述四种常用的代码运行速度测试方法。

方法一：使用time模块

第一种方法：利用time模块统计代码运行时间，具体实现代码如下：

import time
class Debug:
  def mainProgram(self):
    start_time = time.time()
    for i in range(100):
      print(i)
    end_time = time.time()
    print(f"the running time is: {end_time - start_time} s")
    

if __name__ == "__main__":
  main = Debug()
  main.mainProgram()

该方法通过在待测代码块前后分别添加时间戳（start_time和end_time），计算两者的差值即为运行时间，单位为秒（s）。虽然Python中存在其他记录时间的模块，但实现思路与time模块类似，代码结构也大同小异，此处不再赘述。

方法二：使用IPython %time命令

第二种方法：使用IPython内置的魔法命令%time，具体代码如下：

class Debug:
  def mainProgram(self):
    %time for i in range(100): print(i)
    

main = Debug()
main.mainProgram()
"""
Wall time: 1.99 ms
"""

上述类定义并非必需，不影响最终结果。在%time后跟随待测代码，编译器将在执行后自动输出运行时间。然而测试表明，%time测得的时间波动较大，准确性不足。这是因为计算机始终在处理各种进程，运行状态瞬息万变，导致同一代码在不同时刻的执行时间存在差异。

方法三：使用IPython %timeit命令

第三种方法：使用IPython的另一个内置魔法命令%timeit，用法与%time类似，代码如下：

class Debug:
  def mainProgram(self):
    %timeit for i in range(100): print(i)
    

main = Debug()
main.mainProgram()
"""
8.53 ms ± 452 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
"""

执行结果示例如下：每个循环8.53 ms±452 µs（平均±标准偏差，共运行7次，每个循环100个）。与%time仅执行一次不同，%timeit会对测试代码进行多次执行，取平均值并计算标准差，因此其结果比%time更为准确可靠。

方法四：使用timeit模块

第四种方法：导入timeit模块来计算代码块的执行时间，具体代码如下：

import timeit

class Debug:
  def mainProgram(self):
    result = timeit.timeit(stmt="for i in range(100): print(i)", number=10)
    print(result)


main = Debug()
main.mainProgram()
"""
0.05363089999991644 s
"""

导入timeit模块后，通过timeit.timeit()函数测试目标代码。代码需以字符串形式传入，并设定number参数指定执行次数。最终输出结果为0.05363089999991644，单位为秒（s）。与内置魔法方法%timeit不同，虽然两者都进行多次计算，但timeit.timeit()返回的是执行n次代码所需的总时间，而非单次平均时间。

至此，关于代码运行速度测试方法的介绍暂告一段落（未来可能更新更全面的内容）。如需了解更多Python代码运行时间相关内容，请搜索本站过往文章或继续浏览下方相关文章，感谢大家的支持！