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
   5
   r1=[string[i:i+width] for i in xrange(0,len(string),width)]
   r2=re.findall(r".{%s}"%width,string)
   r1比r2快

参考博客