Phenquestions
Programmeren gaat niet alleen over het volbrengen van een taak en het verkrijgen van een output die we van plan waren te krijgen. Het gaat er ook om hoe snel een programma draait en uitvoert, zodat de gewenste output wordt bereikt. Met de meeste programmeertalen is het niet eenvoudig om te vergelijken hoe snel een programma is uitgevoerd en het is nooit gemakkelijk om een bepaald stuk code te timen om te begrijpen welk deel van onze code de meeste tijd kost om uit te voeren. Dit is het probleem dat wordt opgelost door de Python timeit module.
Python timeit-module
Python timeit module stelt ons in staat om de uitvoeringstijd van een stuk code te timen zonder rekening te houden met de achtergrondprocessen die worden uitgevoerd om een code uitvoerbaar te maken. Als u enigszins nauwkeurige metingen nodig heeft van hoe uw code presteert timeit is de module om voor te gaan?.
timeit eenvoudig voorbeeld
We beginnen met het gebruik van de timeit-module rechtstreeks vanaf de opdrachtprompt. timeit-module kan rechtstreeks vanuit de CLI worden gebruikt, waar we een eenvoudige lusinstructie kunnen invoeren en deze kunnen timen met behulp van de getoonde opdracht:
$ python --versie$ python -m timeit '"&".join(str(n) voor n in bereik(1000))'
$ python -m timeit '"&".join([str(n) voor n binnen bereik(1000)])'
$ python -m timeit '"&".join(map(str, range(1000)))'
Dit is wat we terugkrijgen met deze opdracht:
Tijdstip van uitvoering van CLI met behulp van timeit
In een van de latere secties zullen we leren hoe we het aantal uitgevoerde lussen kunnen beheren om het optimale aantal te vinden voor de uitvoering van een bepaalde uitdrukking.
Een stukje code timen
Als je een basis Python-script hebt waarvoor je de tijd wilt meten, is de timeit-module de juiste keuze:
import timeit# setup-code wordt maar één keer uitgevoerd
setup_code = "van wiskunde import sqrt"
# hoofdcodefragment voor prestatiecontrole
code_to_measure = "'
def voorbeeld():
mijn lijst = []
voor x binnen bereik (100):
mijn lijst.toevoegen(sqrt(x))
'"
# timeit-verklaring
print(timeit).timeit(setup = setup_code),
stmt = code_naar_maat,
aantal = 10000))
Laten we de uitvoer voor deze opdracht bekijken:
Een lus timen
In deze code hebben we ook gezien hoe we het aantal herhalingen kunnen regelen dat de timeit-module zal uitvoeren om de beste uitvoeringstijd voor het programma te vinden.
Tijd meten voor meerregelige code van CLI
We kunnen ook de tijd meten voor code die zich uitstrekt over meerdere regels in de Python CLI. Laten we een voorbeeldprogramma bekijken om dit te zien:
$ python -m timeit -s \> "linuxhint = " \
> "voor n in bereik (1000):" \
> " linuxhint[str(n)] = n"
Dit is wat we terugkrijgen met deze opdracht:
Timing meerregelige code op CLI
Over het algemeen twee codeblokken vergelijken
Als je geen gedoe wilt hebben met het gebruik van CLI en gewoon twee Python-programma's wilt vergelijken zodat je weet welke sneller werkt, dan is er een vrij eenvoudige manier om dit te bereiken:
import timeitstart = timeit.default_timer()
funcOne()
print(timeit).default_timer() - start)
start = timeit.default_timer()
funcTwo()
print(timeit).default_timer() - start)
Door de functie default_timer() te gebruiken, beginnen we de tijden keer op keer om een verschil te vinden voor hetzelfde toen het voor het laatst werd gestart. Dit kan alleen worden gebruikt als je een goede modulaire schrijfstijl hebt, zodat elke code afzonderlijk kan worden gemeten.
Conclusie
In deze les hebben we bestudeerd hoe we onze code in Python kunnen timen en hun tijdscomplexiteit en efficiëntie kunnen zien en eraan kunnen werken als de code te traag is.
