Python实证式算法评估

1.请用timeit模块来进行计时。

timeit模块本身就是为执行相对可靠的计时操作而设计的。

>>> import timeit>>> timeit.timeit("x=2+2")0.01885766963785026>>> timeit.timeit("x=sum(range(10))")0.6600510945295461

2.请使用profiler找出瓶颈。

在实践过程中，我们经常会猜测自己代码中需要优化的是哪一部分，而这种猜测往往又都是错的。Python语言中就自带了少量的profiler变体，但我们还是建议您使用cProfile模块，它使用起来与timeit一样简单。但能给出关于执行时间都花在哪里的更为详细的信息。

def test():    print("I'm test def")def sumtest():    x=sum(range(100))    print(x)if __name__=='__main__':    import cProfile    cProfile.run('test()')    cProfile.run('sumtest()')

其中，输出每列的具体解释如下：


ncalls：表示函数调用的次数；


tottime：表示指定函数的总的运行时间，除掉函数中调用子函数的运行时间；


percall：（第一个percall）等于 tottime/ncalls；


cumtime：表示该函数及其所有子函数的调用运行的时间，即函数开始调用到返回的时间；


percall：（第二个percall）即函数运行一次的平均时间，等于 cumtime/ncalls；


filename:lineno(function)：每个函数调用的具体信息；