本系列是我在学习《基于Python的数据结构》时候的笔记。本小节主要介绍Python内置的代码执行时间测量模块timeit。
一
函数调用的时间复杂度
Python列表添加元素可以使用下面两种方法:
list.append()list.insert()
直观来看这两个添加元素都是一行代码,通过前面的学习很直观的认为这两个列表添加元素的操作都是一个基本步骤,因此效率相同,实际两个列表添加元素的效率差别还是很大的。这是因为此时的代码是函数调用,不同于前面基本步骤,函数中封装了一个函数体,函数体中的代码才能决定具体执行多少个基本步骤。所以当衡量一个函数调用的时候,需要去分析函数体里面的代码,计算函数体中的基本步骤。
二
时间测量模块timeit
很多时候我们在衡量两个函数程序的时候,仅仅是想看看在相同数据上运行时间上的差距,也就是通过程序的运行时间来衡量代码的性能。在前面通过时间衡量算法效率的时候,使用了Python内置的time模块:
import time
start_time = time.time()需要衡量的代码end_time = time.time()print("code times = {}".fortmat(end_time - start_time))
为了更方便对代码执行时间进行测量,引入了一个新的代码执行时间测量模块timeit,这个模块完全可以使用上面的time模块来代替,但是timeit模块提供了更多方便衡量代码的方法函数。
timeit模块下有一个计时器类Timer,Timer类的构造函数头如下所示:
class timeit.Timer(stmt = "pass", setup = "pass", / timer = <timer function>)
Timer是测量小段代码执行速度的类,相应的Timer类有三个参数:
通过构造函数创建Timer类对象,然后就可以调用Timer类对象的方法来测试代码语句的执行速度
timeit.Timer.timeit(number = 1000000)
因为一次测算可能不能代表具体的情况,number参数能够执行多次代码,结果返回是一个平均耗时,这个平均耗时才能够客观的反映代码性能。
总的来说,number参数是测试代码时的测试次数,默认为1000000次,方法返回执行代码的平均耗时,一个float类型的秒数。