python中timeit函数_timeit()函数与Python中的示例
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
- 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: ...
- 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): ...
- 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 ...
- 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 ...
- 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
- 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
- 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 ...
- 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 ...
- 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
- IEEE 发布年终总结,AI 奇迹不再是故事
- 开源 java CMS - FreeCMS2.3员
- php万能查询用预,PHP 与 mysql
- 算!力!羊!毛!5000核时计算资源终于开放使用了!
- Win32 SDK - 打开文件对话框
- vscode-tab按键失效变为切换功能的解决方法
- bzoj:2141: 排队
- asp.net中使用FreeTextBox控件
- java实现端口扫描
- 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...
- 轻量级git服务gogs平台
- java实现lbs_如何在 Java 中利用 redis 实现 LBS 服务
- 自动驾驶两大路线对决,渐进式玩家为何更容易得人心?
- Android使用NFC模拟IC卡
- 如何使用unity制作雷达探测目标效果动画
- checkboxlist控件用法
- 网上整理的google面试题
- Coke Rejection Risks Big Spill
- 【VBA研究】VBA编程产生不重复随机数
- 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
- Python和Go语言都这么火,哪个更适合你?
- Linux/Ubuntu下的PPPoE拨号上网方法
- 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)
- jmeter随笔 如何在写入jtl文件时同步写入数据库
- SpringBoot @ManyToOne @OneToMany JoinColumn mappedBy
- 网络云盘项目——FastDFS集群部署
- 鸿蒙OS是什么架构,简单易懂:什么是华为「鸿蒙 OS」 - 无主界
- Java多线程实现接口调用
- Linux下解决cannot connect to X server问题
- 中国汽车保值率报告:日系霸榜,保值率成汽车销售新保障