python標(biāo)準(zhǔn)庫提供的cProfile/profile模塊，計(jì)時(shí)輸出信息較多。本節(jié)將介紹其他幾種精度略低但簡單易用的計(jì)時(shí)工具。根據(jù)代碼粒度不同，將其分為三類。

1.1整個(gè)程序計(jì)時(shí)

Unix/Linux系統(tǒng)中，可用time命令簡單地統(tǒng)計(jì)整個(gè)程序的耗時(shí)。例如：

[wangxiaoyuan_@localhostPyTest]$timepythonBCLineCounter.pybulk

FileLinesCodeLinesCommentLinesEmptyLinesCommentPercent

1545010437326425380.24

real0m2.803s

user0m1.124s

sys0m0.052s

統(tǒng)計(jì)值real表示程序運(yùn)行的實(shí)際耗時(shí)，user表示程序執(zhí)行用戶態(tài)代碼(內(nèi)核外)耗費(fèi)的CPU時(shí)間，sys表示程序在內(nèi)核態(tài)運(yùn)行所耗費(fèi)的CPU時(shí)間(即調(diào)用特定內(nèi)核函數(shù)的耗時(shí))。若user和sys時(shí)間之和小于real時(shí)間，表明程序?yàn)镮/O密集型(I/Obound)，即程序的性能問題很可能與等待I/O有關(guān)。

time命令的詳細(xì)描述參見《Linux用戶態(tài)程序計(jì)時(shí)方式詳解》。

1.2代碼片段計(jì)時(shí)

代碼片段計(jì)時(shí)分為函數(shù)計(jì)時(shí)和語句塊計(jì)時(shí)。這兩種計(jì)時(shí)均可使用Python標(biāo)準(zhǔn)庫timeit模塊，該模塊的詳細(xì)介紹參見官方幫助。

本小節(jié)將使用timeit模塊的timeit()方法，即timeit(stmt='pass',setup='pass',timer=,number=1000000)。其中，參數(shù)stmt為待計(jì)時(shí)的目標(biāo)代碼;setup為執(zhí)行代碼的準(zhǔn)備工作(通常是import之類的語句)，不計(jì)入時(shí)間;timer在Windows系統(tǒng)中為time.clock()，Linux系統(tǒng)中則為time.time()，取默認(rèn)值即可;number指示stmt重復(fù)執(zhí)行的次數(shù)。該方法返回執(zhí)行stmt代碼number遍所用的時(shí)間，單位為秒，float類型。

除timeit()方法外，對于特定函數(shù)的計(jì)時(shí)，可使用裝飾器(decorator);對于語句塊計(jì)時(shí)，則可使用上下文管理器(contextmanager)。

以裝飾器為例：

importfunctools,sys,time

defFuncTimer(repeats=10000):

defdecorator(func):

@functools.wraps(func)

defwrapper(*args,**kwargs):

#Windows系統(tǒng)中clock()粒度為毫秒，time()粒度為1/60秒;

#Unix系統(tǒng)中clock()粒度為1/100秒，time()精度較其更高。

ifsys.platform=="win32":

timerFunc=time.clock

else:

timerFunc=time.time

try:

startTime=timerFunc()

foriinrange(repeats):

ret=func(*args,**kwargs)

finally:#當(dāng)目標(biāo)函數(shù)發(fā)生異常時(shí)，仍舊輸出計(jì)時(shí)信息

endTime=timerFunc()

print'%s.%s()=>'%(func.__module__,func.__name__),

print'TimeElasped:%.3fmsec,repeated%dtime(s).'\

%(((endTime-startTime)*1000.0),repeats)

returnret

returnwrapper

returndecorator

運(yùn)行如下代碼，對比自定義裝飾器FuncTimer與timeit模塊計(jì)時(shí)效果：

@FuncTimer(10)

defDecoratedFunc():

L=[]

foriinrange(100):L.append(i)

defRawFunc():

L=[]

foriinrange(100):L.append(i)

DecoratedFunc()

importtimeit;print'%.6fsec'%timeit.timeit(stmt=RawFunc,number=10)

輸出如下：

__main__.DecoratedFunc()=>TimeElasped:0.164msec,repeated10time(s).

0.000174sec

可見，計(jì)時(shí)效果非常接近。

注意，F(xiàn)uncTimer裝飾器內(nèi)根據(jù)系統(tǒng)選用不同的計(jì)時(shí)器，這是考慮到time.clock()的精度因系統(tǒng)平臺(tái)而異。在Unix/Linux系統(tǒng)中，該方法返回當(dāng)前所耗的CPU時(shí)間;而在Windows系統(tǒng)中，該方法基于Win32函數(shù)QueryPerformanceCounter()，返回從首次調(diào)用待計(jì)時(shí)函數(shù)起所經(jīng)歷的掛鐘時(shí)間(wallclocktime)，精度較time.time()更高。相比而言，timeit方法中使用的缺省計(jì)時(shí)器總是測量掛鐘時(shí)間，這也意味著關(guān)于某函數(shù)的計(jì)時(shí)可能會(huì)受到同一計(jì)算機(jī)上運(yùn)行的其他進(jìn)程的影響。

time.clock()計(jì)時(shí)器的平臺(tái)差異性參考以下示例(假定所在腳本名為Timing.py)：

@FuncTimer(5)

defSqrtTiming(loops):

importmath

try:

frommathimportfsum#Python2.6+

returnfsum([math.sqrt(x)forxinrange(loops)])

exceptImportError:#Python2.5-

returnsum([math.sqrt(x)forxinrange(loops)])

@FuncTimer(1)

defSleepTiming():

time.sleep(2)

file=open(r'out.txt',"w+")

foriinrange(10000):

file.write('helloworld!')

SqrtTiming(100000)

SleepTiming()

在Windows系統(tǒng)控制臺(tái)和IDLEShell里的運(yùn)行結(jié)果如下：

E:\PyTest>Timing.py

SqrtTiming()=>TimeElasped:150.124msec,repeated5time(s).

SleepTiming()=>TimeElasped:2155.140msec,repeated1time(s).

__main__.SqrtTiming()=>TimeElasped:151.809msec,repeated5time(s).

__main__.SleepTiming()=>TimeElasped:2185.594msec,repeated1time(s).

>>>importTiming

Timing.SqrtTiming()=>TimeElasped:148.892msec,repeated5time(s).

Timing.SleepTiming()=>TimeElasped:2223.157msec,repeated1time(s).

在Linux系統(tǒng)中運(yùn)行結(jié)果與之類似。若將timerFunc改為time.clock()，則計(jì)時(shí)輸出為：

[wangxiaoyuan_@localhost~]$timepythonTiming.py

__main__.SqrtTiming()=>TimeElasped:320.000msec,repeated5time(s).

__main__.SleepTiming()=>TimeElasped:330.000msec,repeated1time(s).

real0m2.381s

user0m0.332s

sys0m0.019s

可見，time.sleep(2)并未計(jì)入SleepTiming()耗時(shí)，導(dǎo)致計(jì)時(shí)結(jié)果與real時(shí)間相差很大。

對于代碼片段計(jì)時(shí)，以上下文管理器為例：

importcontextlib,sys,time

@contextlib.contextmanager

defBlockTimer(label='Block'):

ifsys.platform=="win32":timerFunc=time.clock

else:timerFunc=time.time

startTime=timerFunc()

try:

yield

finally:

endTime=timerFunc()

print'%s=>'%label,

print'TimeElasped:%.3fmsec.'\

%((endTime-startTime)*1000.0)

基于BlockTimer測量代碼片段的示例如下：

withBlockTimer('cPickle'):

fromcPickleimportdumps,loads

s=dumps([x*2.4forxinrange(100000)])

loads(s)

withBlockTimer('json'):

fromjsonimportdumps,loads

s=dumps([x*2.4forxinrange(100000)])

loads(s)

運(yùn)行結(jié)果如下：

cPickle=>TimeElasped:237.569msec.

json=>TimeElasped:181.714msec.

可見，對于浮點(diǎn)型對象，json模塊執(zhí)行速度比cPickle模塊更快。

當(dāng)然，借助timeit模塊也可對代碼片段計(jì)時(shí)。例如：

fromtimeitimporttimeit

sep='fromcPickleimportdumps,loads'

stp='s=dumps([x*2forxinrange(100000)]);loads(s)'

print'cPickle:%.6fsec'%timeit(stmt=stp,setup=sep,number=1)

sej='fromjsonimportdumps,loads'

stj='s=dumps([x*2forxinrange(100000)]);loads(s)'

print'json:%.6fsec'%timeit(stmt=stj,setup=sej,number=1)

本例改為整型對象，且模塊導(dǎo)入語句不計(jì)入總耗時(shí)。運(yùn)行結(jié)果如下：

cPickle:0.100775sec

json:0.064752sec

可見，對于整型對象，json模塊執(zhí)行速度也比cPickle模塊快。

以上內(nèi)容為大家介紹了Python自定義計(jì)時(shí)函數(shù)，希望對大家有所幫助，如果想要了解更多Python相關(guān)知識，請關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。http://www.rencairushan.com/