Jupyter Notebook中%time和%timeit的使用详解

目录

• 1.%time 或 %timeit：计算当前行的代码运行时间。
• 2.%%time 或 %%timeit：计算当前单元(cell)的代码运行时间。
• 参考：

本文介绍 Jupyter Notebook 中用于计算运行时间的魔法命令 ( magic commands ) %time 和 %timeit 。

1.%time 或 %timeit：计算当前行的代码运行时间。

%time 的计算结果包括：CPU time（CPU运行程序的时间）， Wall time（Wall Clock Time，墙上挂钟的时间，也就是我们感受到的运行时间）。

%timeit 计时更为精确，这一命令会运行代码 r 次，每次 n 遍，再对 n*r 遍的结果取平均后，得到运行一遍代码的时间。

举个例子来看看吧，以列表的循环计算为例，先看 %time 的计算：

nums1=list(range(10000))
%time nums2=[i+5 for i in nums1]

这里我们用 %time 计算一下第二行代码，也就是对列表中每个元素的值加 5 的运行时间，结果为：

Wall time: 998 µs

我的电脑上不知怎www.devze.com么回事，只显示了 Wall time 。

再来看 %timeit 的计算：

nums1=list(range(10000))
%timeit nums2=[i+5 for i in nums1]

结果为：

645 µs ± 45.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

如上所示，使用 %timeit 计时会运行 r 次（默认值 r=7）, 每一次运行 n 遍的 n 则是由系统根据代码确定一个合适的值，这里 n=编程客栈1000，最后对所有计时结果取平均得到运行一遍代码的时间。

也可以使用 %timeit -r R -n N，以自定义的设置（运行R次，每一次N遍）来运行代码并计时。例如：

nums1=list(range(1000编程客栈0))
%timeit -r 5 -n 400 nums2=[i+5 for i in nums1]

就是对代码运行 5 次, 每次 400 遍，最后对所有计时结果取平均，得到运行一遍代码的时间。结果如下：

705 µs ± 60.1 µs per loop (mean ± std. dev. of 5 runs, 400 loops each)

2.%%time 或 %%timeit：计算当前单元(cell)的代码运行时间。

%%time 与 %time ， %%timeit 与 %timeit 的计算方式相同，区别在于 % 是用于单行代码的命令，%% 是应用于当前单元的命令。

需要注意的是，%%time 或者 %%timeit 必须在当前单元的第一行。 并且，%%time 后不能跟代码。例如：

%%time 
nums1=list(range(10000))
nums2=[i+5 for i in nums1]

结果为：

W开发者_C学习all time: 1.99 ms

%%timeit 后面可以跟代码，这行代码会运行、但不会计入时间，从第二行开始计时。例如：

%%timeit nums1=list(range(10000))
nums2=[i+5 for i in nums1]

结果为：

685 µs &编程客栈plusmn; 47 µs per loop (mean ± std. dev. of 7 runs, 1000 loops e编程ach)

可以看到，这一结果与前面使用行命令 %timeit 的结果相近，因为 %%timeit 之后的代码nums1=list(range(10000)) 运行但是不计时。

再来看看 %%timeit 单独放在第一行的结果：

%%timeit 
nums1=list(range(10000))
nums2=[i+5 for i in nums1]

结果为：

800 µs ± 52 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

这种情况下，会对代码 nums1=list(range(10000)) 计时，因此运行时间更长一点。

参考：

1.Ipython帮助文档对于 %time 和 %timeit的讲解

2.stackoverflow关于 %timeit 的一个问答，介绍了 %timeit 和 %%timeit

到此这篇关于Jupyter Notebook中%time和%timeit的使用详解的文章就介绍到这了,更多相关Jupyter Notebook %time和%timeit内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！