在编程实践中，经常需要测量代码的执行时间以评估性能。通常，人们会使用简单的时间测量方法，例如使用Python的time.time()函数。但是，这种方法在测量非常小的代码片段时不够准确，因为它会受到操作系统中其他进程和任务的干扰。为了解决这个问题，Python提供了一个名为timeit的模块，它专门用于测量小到大的代码片段的执行时间。本文将通过一些示例介绍如何在Python中使用timeit模块。
timeit模块提供了一个简单的方法来测量Python代码片段的执行时间。它既有命令行界面，也有可调用的接口。这个模块避免了测量执行时间时的一些常见陷阱。timeit模块中的timeit.timeit()函数是核心，它接受四个参数：stmt（要测量执行时间的代码片段）、setup（在执行stmt之前运行的代码，通常用于导入模块或声明必要的变量）、timer（默认的timeit.Timer对象，通常不需要干预）、number（指定stmt执行的次数）。该函数返回执行stmt指定次数所需的时间（以秒为单位）。
下面是一个使用timeit.timeit()函数的示例，它测量了一个数学计算的执行时间。
import timeit
setup_code = "from math import sqrt"
stmt_code = "sum(sqrt(x) for x in range(1,10000))"
iterations = 10000
time = timeit.timeit(stmt=stmt_code, setup=setup_code, number=iterations)
print(time)
上述代码将代码作为字符串传递给timeit.timeit()函数，并指定了迭代次数。输出是执行代码片段10000次所需的总时间，而不是单次迭代的时间。
接下来，使用timeit模块比较两个排序函数的性能：一个简单的冒泡排序和一个Python内置的sorted()函数。还将看到另一个timeit函数repeat()的使用。
def bubble_sort(arr):
for i in range(len(arr)):
for j in range(0, len(arr) - i - 1):
if arr[j] > arr[j + 1]:
arr[j], arr[j + 1] = arr[j + 1], arr[j]
return arr
def make_random_array():
from random import randint
return [randint(-100, 100) for i in range(20)]
test_array = make_random_array()
def compare_functions():
import timeit
setup_code1 = """
from __main__ import bubble_sort
from __main__ import test_array
"""
setup_code2 = """
from __main__ import test_array
"""
stmt_code1 = "bubble_sort(test_array)"
stmt_code2 = "sorted(test_array)"
times1 = timeit.repeat(stmt=stmt_code1, setup=setup_code1, number=10000, repeat=5)
times2 = timeit.repeat(stmt=stmt_code2, setup=setup_code2, number=10000, repeat=5)
print(f"Time taken by bubble sort is {min(times1)}")
print(f"Time taken by built in sort is {min(times2)}")
if __name__ == "__main__":
compare_functions()
在这个例子中，确保两个函数在同一个数组上进行测试。timeit.repeat()函数接受一个额外的参数repeat（默认值为5），它返回一个执行时间列表，表示代码片段重复执行多次的结果。如预期，冒泡排序所需的时间远大于内置的sorted()函数。
python -m timeit [-n N] [-r N] [-u U] [-s S][statement ...]
$ python -m timeit -s 'text = "sample string"; char = "g"' 'char in text'
5000000 loops, best of 5: 0.0877 usec per loop
$ python -m timeit -s 'text = "sample string"; char = "g"' 'text.find(char)'
1000000 loops, best of 5: 0.342 usec per loop