如何分析Python代码的性能？

Question

问候。要分析Python代码的性能，下面的代码可以吗？

import time

to = time.clock(); x = [];
for i in range(0,4):
    x.append(i*0.1);
tend = time.clock(); print(tend-to);

to = time.clock();
y = list(map(lambda x: x*0.1, list(range(0,4))));
tend = time.clock(); print(tend-to);

计时器显示不一致。但有时，两个计时器的结果也显示出不一致（有时第一个计时器更快，有时第二个计时器更快，尽管第一个计时器往往更快）。一些输出：

4.631622925399206e-05
4.4898385501326854e-05

4.9624531343562917e-05
6.852911471254275e-05

5.0569760512011734e-05
4.867930217511418e-05

3.78091667379527e-05
2.5993802132341648e-05

我的问题与上面的代码有关：

• 我认为计时器计算代码性能应该是一致的？如何知道一种语法或策略比另一种表现得更好？ （比其他运行效率更高）对此有什么想法吗？

先谢谢了。问候，阿里夫

Answer 1

将代码包装在函数中并使用函数装饰器（例如

@function_timer()

）不是更优雅吗？例如：

from timer import function_timer

@function_timer()
def my_function():
    x = [];
    for i in range(0,4):
        x.append(i * 0.1);

my_function()

终端输出有点像这样：

Elapsed time: 7.79 microseconds for thread MY_FUNCTION

PS：完全公开，我是Timer for Python的作者，这是一个轻量级包，可以轻松测量代码的时间和性能。

Answer 2

来自官方文档：

>>> import timeit
>>> timeit.timeit('"-".join(str(n) for n in range(100))', number=10000)
0.3018611848820001
>>> timeit.timeit('"-".join([str(n) for n in range(100)])', number=10000)
0.2727368790656328
>>> timeit.timeit('"-".join(map(str, range(100)))', number=10000)
0.23702679807320237

换句话说：如果我们努力谈论执行时间测量的精度 - 我们限制迭代一个简单的函数数千次以引发所有副作用。