Python 程序運行時間計時

簡單性能分析

Written By Python高效編程

裝飾器實現：

@timer 就相當於 timer(waste_some_time) 的簡化版本。

裝飾器是一種將函數作為參數並進行包裝（加強函數功能）的“語法糖”，具有方便、易用、可複用的特點。

其中 wrapper 函數，是 timer 函數的內置函數，可以使用 timer 函數中的局部變量。也就是說，在 wrapper 函數內部，可以直接使用 timer 函數傳進來的參數 func。

wrapper(*args, **kwargs)、func(*args, **kwargs) 表示接受任何參數。如果括號中空白的話，傳進來的 func 如果有參數的話，Python 解釋器會報錯。

Python高效編程

 # 錯誤寫法
 def do_twice(func):
 def wrapper():
 func()
 func()
 return wrapper
 ​
 @do_twice
 def waste_some_time(vol):
 ulist = []
 for i in range(vol):
 ulist.append(i)
 # TypeError: waste_some_time() missing 1 required positional argument: 'vol'

正確操作如下：

Python高效編程

 import functools
 import time
 ## 裝飾器
 def timer(func):
 @functools.wraps(func)
 def wrapper(*args, **kwargs):
 begin_time = time.perf_counter()
 value = func(*args, **kwargs)
 end_time = time.perf_counter()
 run_time = end_time - begin_time
 print('{} 共用時：{} s'.format(func.__name__, run_time))
 return value
 return wrapper
 ​
 @timer
 def waste_some_time():
 ulist = []
 for i in range(1000):
 ulist.append(i)
 #輸出：waste_some_time 共用時：8.039700333029032e-05 s

ipython 與 jupyert notebook

魔法命令：%timeit waste_some_time()

輸出： 56.7 µs ± 204 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

閱讀更多 Python高效編程 的文章

關鍵字: Python 裝飾 器是