Python执行效率测试模块timei的使用方法与与常用Python用法的效率比较

timeit模块用于测试一段代码的执行效率

1.Timer类

Timer 类：

__init__(stmt="pass", setup="pass", timer=default_timer)

stmt 是执行语句，setup 是导入执行语句环境

print_exc(file=None)
timeit(number=default_number)  

返回测试所用秒数，number 是每个测试中调用被计时语句的次数

repeat(repeat=default_repeat, number=default_number)  

返回测试所用秒数列表，repeat 是重复整个测试的次数，number 是每个测试中执行语句的次数
快捷执行的方法：

timeit.timeit('time.time()','import time',number=10)  
#这里会执行两次测试，每次测试都执行time.time()语句10次
timeit.repeat('time.time()','import time',repeat=2,number=10)  

DEMO

import timeit
def f1():
    for i in range(1000):
        pass
def f2():
    for i in xrange(1000):
        pass
t=timeit.Timer('f1()','from __main__ import f1')
t1=timeit.Timer('f2()','from __main__ import f2')
print t.timeit()
print t1.timeit()

查看一个脚本的执行效率
python -m cProfile test_cprofile.py

2.测试Python不同用法的性能

代码：

#copy与deepcopy测试
print 'test copy and deepcopy'
import copy
x=range(1000)
print 'copy',timeit.timeit('copy.copy(x)','from __main__ import copy,x',number=100)
print 'deepcopy',timeit.timeit('copy.deepcopy(x)','from __main__ import copy,x',number=100)
#json和eval测试
import json
import ast
print 'test json and eval'
d=dict([(i,i) for i in xrange(1000)])
def test_json():
    json.loads(json.dumps(d))
def test_ast():
    ast.literal_eval(str(d))
print 'json',timeit.timeit('test_json()','from __main__ import test_json',number=100)
print 'ast',timeit.timeit('test_ast()','from __main__ import test_ast',number=100)
#while 1 和while True测试
print 'test while 1 and while True'
def while_one():
    i=1000
    while 1:
        i-=1
        if i<1:
            break
def while_true():
    i=1000
    while True:
        i-=1
        if i<1:
            break
print 'while 1',timeit.timeit('while_one()','from __main__ import while_one',number=1000)
print 'while true',timeit.timeit('while_true()','from __main__ import while_true',number=1000)
#测试map和列表解析
print 'map',timeit.timeit('map(lambda x:x+10,xrange(10000))',number=1000)
print 'list parse',timeit.timeit('[x+10 for x in xrange(10000)]',number=1000)
#测试filter和列表解析
print 'filter',timeit.timeit('filter(lambda x:x<5000,xrange(10000))',number=1000)
print 'list parse',timeit.timeit('[x for x in xrange(10000) if x<5000]',number=1000)
#测试zip和列表解析
d=[(i,i+1,i+2) for i in xrange(10000)]
print 'zip',timeit.timeit('zip(*d)[0]','from __main__ import d',number=1000)
print 'list parse',timeit.timeit('[x[0] for x in d]','from __main__ import d',number=1000)

测试结果：

test copy and deepcopy 
copy 0.000615931092709
deepcopy 0.215742113851
test json and eval
json 0.0845840788228
ast 0.603505149528
test while 1 and while True
while 1 0.0920688664622
while true 0.107391902198
map 1.89678050601
list parse 0.741696814336
filter 1.42262613537
list parse 0.631220298896
zip 1.26682006617
list parse 0.993506476463

结论

1. copy比deepcopy快
   
2. json比ast快
   
3. while 1比while True快
   
4. 列表解析比map，filter，zip快

参考博客