今天,不仅在有限的资源内完成一个项目是非常重要的,而且在尽可能短的时间内完成它也是非常重要的。Python中有time()函数来计算代码的执行时间。

当我们执行任何代码时,有几个后台操作会执行我们的代码执行。当time()函数计算执行此代码的时间时,它不考虑正在进行的后台操作。另外,我们在开始和结束时减去时间,得到所需的时间。现在已经开发了timeit()函数来查找任何特定代码执行的确切时间。甚至它也依赖于高达0.0000个小数点毫秒的时间来找到cod执行中的精确时间。在这里我们将看到这个函数是如何工作的。

timeit()函数的代码执行示例:

我们将输入python并按回车键。您将像我们正在使用的python和Microsoft版本一样进行响应。另外,它确认我们在python中工作。

导入声明:import timeit

如果您收到未定义“ import”之类的响应,请检查系统变量是否已更新。

现在,我们将对一个简单的数学运算进行编程,并通过两种方法找到其执行时间。# python示例来演示

# example of timeit() function

# 导入模块

import timeit

# 操作和时间计算

print('a' *5)

print('a' + 'a' +'a' + 'a' + 'a' )

print(timeit.timeit("b = 'a' *3",number = 10000000))

输出结果aaaaa

aaaaa

0.9088429469993571

在这里,您可以将number的值乘以number number作为所需的代码执行次数。import timeit

print(timeit.timeit("ab = 'a' + 'a' + 'a' + 'a' + 'a' ", number=10000000))

输出结果0.8887228329986101

此方法描述了手动查找执行时间的方法。在此手动进行意味着我们必须多次执行整个操作。

示例的自动重复方法

现在,我们将看到如何自动执行相同的繁琐操作?import timeit

print(timeit.repeat("b = 'a'* 3", number = 10000000,repeat = 5))

print()

print(timeit.repeat("ab = 'a' + 'a' + 'a' + 'a' + 'a' " , number = 10000000,repeat = 5))

输出结果[0.8862817650006036, 0.8274680489994353, 0.891247380997811, 0.9186934919998748, 0.900538891000906]

[0.8854398910043528, 0.8779188379994594, 0.8196939810004551, 0.8731913320007152, 0.8250786080025136]

在这里,我们可以看到重复会自动发生多次。

为什么 timeit()?

由于timeit()函数的准确性,它已经成为查找执行时间的最佳选择,而不是time函数。我们关于在time()函数中执行代码的许多假设都是错误的,这些假设在timeit()函数中得到了纠正,就像考虑到后台操作所花费的时间一样。类似地,timeit()也是查找执行时间的更宝贵且最短的路径。

python中timeit函数_timeit()函数与Python中的示例相关推荐

  1. python中timeit函数_一日一技:Python中的timeit方法

    timeit()方法 python中的timeit()方法, 它用于获取代码的执行时间.该库将代码语句运行一百万次,并提供从集合中花费的最短时间.这是一种有用的方法,有助于检查代码的性能. 语法如下: ...

  2. python使用函数的目的_在Python 3.x中经常看到定义函数有一个单独的 * 参数?定义这样参数的目的是?怎样对其取值呢?...

    参数在python中总是通过赋值进行传递的.在默认情况下,参数是通过其位置进行匹配的,从左到右,而且必须精确的传递和函数头部参数名一样多的参数. 这种默认的传递方式很简单 def f(a,b,c): ...

  3. Python使用matplotlib可视化散点图、使用seaborn中的lmplot函数可视化不同分组散点图的最优线性回归拟合曲线(Scatter plot with regression line)

    Python使用matplotlib可视化散点图.使用seaborn中的lmplot函数可视化不同分组散点图的最优线性回归拟合曲线(Scatter plot with linear regressio ...

  4. Python使用matplotlib可视化散点图、使用seaborn中的lmplot函数使用多子图可视化不同分组的散点图最优拟合线性回归曲线

    Python使用matplotlib可视化散点图.使用seaborn中的lmplot函数使用多子图可视化不同分组的散点图最优拟合线性回归曲线(Each regression line in its o ...

  5. Python使用matplotlib可视化箱图、seaborn中的boxplot函数可视化分组箱图、在箱图中添加抖动数据点(Dot + Box Plot)

    Python使用matplotlib可视化箱图.seaborn中的boxplot函数可视化分组箱图.在箱图中添加抖动数据点(Dot + Box Plot) 目录

  6. Python使用matplotlib可视化小提琴图、seaborn中的violinplot函数可视化多分类变量的小提琴图(Violin Plot)

    Python使用matplotlib可视化小提琴图.seaborn中的violinplot函数可视化多分类变量的小提琴图(Violin Plot) 目录

  7. python使用statsmodels包中的robust.mad函数以及pandas的apply函数计算dataframe中所有数据列的中位数绝对偏差(MAD)

    python使用statsmodels包中的robust.mad函数以及pandas的apply函数计算dataframe中所有数据列的中位数绝对偏差(MAD.Median Absolute Devi ...

  8. python编写自定义函数计算一维numpy数组中与指定目标数值最接近(距离最近)的数值(find closest value in numpy array to a certain value)

    python编写自定义函数计算一维numpy数组中与指定目标数值最接近(距离最近)的数值(find closest value in numpy array to a certain value) 目 ...

  9. python使用numpy中的np.mean函数计算数组的均值、np.var函数计算数据的方差、np.std函数计算数组的标准差

    python使用numpy中的np.mean函数计算数组的均值.np.var函数计算数据的方差.np.std函数计算数组的标准差 目录

最新文章

  1. IEEE 发布年终总结,AI 奇迹不再是故事
  2. 开源 java CMS - FreeCMS2.3员
  3. php万能查询用预,PHP 与 mysql
  4. 算!力!羊!毛!5000核时计算资源终于开放使用了!
  5. Win32 SDK - 打开文件对话框
  6. vscode-tab按键失效变为切换功能的解决方法
  7. bzoj:2141: 排队
  8. asp.net中使用FreeTextBox控件
  9. java实现端口扫描
  10. 计算机网络管理员下午试题答案,(完整版)计算机网络管理员考试试题库和答案(13页)-原创力文档...
  11. 轻量级git服务gogs平台
  12. java实现lbs_如何在 Java 中利用 redis 实现 LBS 服务
  13. 自动驾驶两大路线对决,渐进式玩家为何更容易得人心?
  14. Android使用NFC模拟IC卡
  15. 如何使用unity制作雷达探测目标效果动画
  16. checkboxlist控件用法
  17. 网上整理的google面试题
  18. Coke Rejection Risks Big Spill
  19. 【VBA研究】VBA编程产生不重复随机数
  20. 量子计算机九章潘建伟,从墨子号到九章量子计算机,潘建伟如何从无到有建立我国量子优势...

热门文章

  1. Python和Go语言都这么火,哪个更适合你?
  2. Linux/Ubuntu下的PPPoE拨号上网方法
  3. Python实战系列(三)——基于Numpy和Matplotlib的图表绘制(折线图和堆积柱状图)
  4. jmeter随笔 如何在写入jtl文件时同步写入数据库
  5. SpringBoot @ManyToOne @OneToMany JoinColumn mappedBy
  6. 网络云盘项目——FastDFS集群部署
  7. 鸿蒙OS是什么架构,简单易懂:什么是华为「鸿蒙 OS」 - 无主界
  8. Java多线程实现接口调用
  9. Linux下解决cannot connect to X server问题
  10. 中国汽车保值率报告:日系霸榜,保值率成汽车销售新保障