【脚本语言系列】关于Python性能分析工具timeit, 你需要知道的事

如何使用timeit

1. 创建用来排序的数组
   创建若干不同大小的数组，其中的数组元素都是随机整数。

   times = numpy.array([])
   
   for size in sizes:
       integers = numpy.random.random_integers(1, 10 ** 6, size)
       times = numpy.append(times, measure())

   

2. 测量执行时间
   为了测量时长，需要创建一个定时器，并为其提供一个需要执行的函数和相关的引入语句。
   然后执行100次排序操作，得到总的排序时间。

   def measure():
       timer = timeit.Timer('dosort()','from __main__ import dosort')
   
       return timer.timeit(10 ** 2)

   

3. 构建测量时间数组
   通过逐一添加测量值的方式，构建测量时间数组。
   
times = numpy.append(times, measure())

   
4. 比照nlogn模型拟合数据。
   比照nlogn这个理论模型，对测量时间数据进行拟合。
   因为我们选择的数组大小是2的整数次幂，通过改变幂指数来改变大小，所以相关的计算过程并不复杂。
   
fit = numpy.polyfit(sizes * powersOf2, times, 1)