Python代码运行时间测试的四种常用方法

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，而衡量代码性能最直观的指标便是程序运行所消耗的时间。

本文将介绍四种在Python中常用的测试代码运行速度的方法。

第一种方法

利用time模块统计代码的运行时间，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()

通过time模块在待测代码的前后分别添加时间戳，分别标记为start_time和end_time，最终代码块的运行时间即为end_time减去start_time的结果，单位是秒(s)。

Python中还有其他记录时间的模块，此处不再赘述，它们的实现思路与time模块类似，代码实现也大同小异。

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
"""

上述类定义可以省略，不影响最终结果。在%time后跟上待计算时间的代码，编译器会在运行后自动输出测试代码的运行时间。然而经过测试，%time方法测得的时间并不准确，波动范围较大。这很容易理解，因为计算机每时每刻都在处理各种进程，运行状态时刻变化，因此在不同时刻测试同一段代码会得到不同的结果。

第三种方法

使用IPython的另一个内置魔法命令%timeit，其使用方法与%time类似，具体代码如下：

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)
"""

从输出结果可以看到：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相比，%timeit会多次执行测试代码，并取它们运行时间的平均值，同时计算出标准差。因此，这种计算方法的结果比仅执行一次测试代码的%time方法更为准确。

第四种方法

导入timeit模块来计算代码块的执行时间

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，使用timeit.timeit()来测试目标代码。代码以字符串形式输入，并需设定number值，指定该段代码需要执行的次数。最终得到的结果是0.05363089999991644，单位是秒(s)。与内置魔法方法%timeit不同的是，虽然两者都进行多次计算，但timeit.timeit()最终获取的时间是n次执行代码所需的总时间，而非单次执行的时间。

至此，关于代码运行速度测试方法的介绍暂时告一段落。

此外，还有一种进阶操作可用于测试脚本文件的性能，即Python脚本性能分析（点击超链接跳转）。

以上为个人经验总结，希望能给大家提供参考，也希望大家多多支持本站。