本帖最后由 小西…… 于 2018-10-7 11:37 编辑
1.运用场景
在很多的时候我们需要计算我们程序的性能,这个时候我们常常需要统计程序运行的时间。下面我们就来说说怎么统计程序的运行时间。
2. 实现方法
计算Python的某个程序,或者是代码块运行的时间一般有三种方法。
方法一
import datetime
start = datetime.datetime.now()
run_function():
# do something
end = datetime.datetime.now()
print (end-start)
方法二:
import time
start = time.time()
run_function()
end = time.time()
print str(end)
方法三:
import time
start = time.clock()
run_function()
end = time.clock()
print str(end-start)
方法比较
通过对以上方法的比较我们发现,方法二的精度比较高。方法一基本上是性能最差的。这个其实是和系统有关系的。一般我们推荐使用方法二和方法三。我的系统是Ubuntu,也就是Linux系统,方法二返回的是UTC时间。 在很多系统中time.time()的精度都是非常低的,包括windows。
python 的标准库手册推荐在任何情况下尽量使用time.clock().但是这个函数在windows下返回的是真实时间(wall time)
方法一和方法二都包含了其他程序使用CPU的时间。方法三只计算了程序运行CPU的时间。
方法二和方法三都返回的是浮点数
那究竟 time.clock() 跟 time.time(),谁比较精确呢?带着疑问,查了 Python 的 time 模块文档,当中 clock() 方法有这样的解释:
来自官方文档:
time.clock() 返回的是处理器时间,而因为 Unix 中 jiffy 的缘故,所以精度不会太高。clock转秒,除以1000000。
究竟是使用 time.clock() 精度高,还是使用 time.time() 精度更高,要视乎所在的平台来决定。总概来讲,在 Unix 系统中,建议使用 time.time(),在 Windows 系统中,建议使用 time.clock()。
我们要实现跨平台的精度性,我们可以使用timeit 来代替time.
import timeit
start = timeit.default_timer()
do_func()
end = timeit.default_timer()
print str(end-start)
|
|