Để đo thời gian thực hiện của chương trình, hãy sử dụng các hàm thời gian.clock () hoặc thời gian.time (). Các tài liệu Python nói rằng chức năng này nên được sử dụng cho mục đích điểm chuẩn. & NBSP; Show
thí dụimport time t0= time.clock() print("Hello") t1 = time.clock() - t0 print("Time elapsed: ", t1 - t0) # CPU seconds elapsed (floating point) Đầu raĐiều này sẽ cung cấp cho đầu ra - Time elapsed: 0.0009403145040156798 Bạn cũng có thể sử dụng mô -đun thời gian để phân tích thống kê thích hợp về thời gian thực hiện của đoạn mã. & nbsp; nó chạy đoạn trích nhiều lần và sau đó nó cho bạn biết thời gian chạy ngắn nhất mất bao lâu. Bạn có thể sử dụng nó như sau: Thí dụdef f(x): return x * x import timeit timeit.repeat("for x in range(100): f(x)", "from __main__ import f", number=100000) Đầu raĐiều này sẽ cung cấp cho đầu ra - [2.0640320777893066, 2.0876040458679199, 2.0520210266113281]
Bạn cũng có thể sử dụng mô -đun thời gian để phân tích thống kê thích hợp về thời gian thực hiện của đoạn mã. & nbsp; nó chạy đoạn trích nhiều lần và sau đó nó cho bạn biết thời gian chạy ngắn nhất mất bao lâu. Bạn có thể sử dụng nó như sau:
Xác định các kịch bản để kiểm tra. .... Phát triển và thực hiện các bài kiểm tra. ....Kiểm tra tất cả các điểm cuối thích hợp. ....Phân tích và kiểm tra lại. .... Đo lường các số liệu chính xác. ....Tối ưu hóa hiệu suất .. Tốc độ của mã Python cho biết hiệu suất. Mô -đun thời gian trong Python được xây dựng và bạn có thể sử dụng nó cho mục đích này. Python Timeit
Mô -đun thời gian là gì? Với mô -đun & nbsp; ____ 29 & nbsp; chúng tôi nhắm mục tiêu một đoạn mã và nó sẽ chạy mã đó hàng triệu lần, để cung cấp cho chúng tôi giá trị phù hợp nhất về mặt thống kê cho thời gian thực hiện mã. Lưu ý rằng giá trị mặc định cho số lần mã được thực thi là 1000000.Func2 mất nhiều thời gian hơn func1. Việc đo thời gian là tính bằng giây.
Mã chính của thời gianĐối tượng đo lường của người Viking thu thập thời gian. Đó là thời gian thống kê 10000 lần mã thực hiện nội bộ và có thời gian. Ngoài ra, đọc
Có liên quan Xác định các kịch bản để kiểm tra. .... Phát triển và thực hiện các bài kiểm tra. ....Kiểm tra tất cả các điểm cuối thích hợp. .... Phân tích và kiểm tra lại. .... Đo lường các số liệu chính xác. .... Thực hiện1. Nhập góiDưới đây là các gói được sử dụng trong bản demo này. & NBSP; Mô -đun Tracemalloc được sử dụng ở đây cung cấp số liệu thống kê về các khối bộ nhớ được phân bổ và cũng tính toán sự khác biệt giữa hai ảnh chụp nhanh để phát hiện rò rỉ bộ nhớ. Tôi đã sử dụng get_trated_memory () để có được kích thước hiện tại và kích thước đỉnh của các khối bộ nhớ. import tracemalloc import pandas as pd import dask.dataframe as dd import time 2. Xác định chức năng để sử dụng tracemallocHàm đầu tiên là dừng truy tìm, nếu có, và bắt đầu truy tìm mới. Điều này đảm bảo rằng dấu vết của 2 khối mã không can thiệp vào nhau. Hàm thứ hai là tìm kích thước cực đại tính bằng MB của một khối mã được theo dõi. def tracing_start(): tracemalloc.stop() print("nTracing Status : ", tracemalloc.is_tracing()) tracemalloc.start() print("Tracing Status : ", tracemalloc.is_tracing()) def tracing_mem(): first_size, first_peak = tracemalloc.get_traced_memory() peak = first_peak/(1024*1024) print("Peak Size in MB - ", peak) 3. So sánh kích thước và thời gian cực đại cần thiết cho lần chạyCác hàm theo dõi được tạo ở trên được gọi để đo kích thước bộ nhớ cực đại và thời gian cần thiết để chạy các lệnh. A. Hoạt động trên các yếu tố của một danh sáchCác khối sau đây hiển thị hoạt động trên mỗi yếu tố của danh sách và lưu trữ kết quả vào một danh sách mới. Phương pháp - 1 Mã Python: Phương pháp - 2 tracing_start() start = time.time() sq_list1 = [elem + elem**2 for elem in range(1,1000)] #print(sq_list1) end = time.time() print("time elapsed {} milli seconds".format((end-start)*1000)) tracing_mem() #Result Time elapsed: 0.00094031450401567980 B. Concatenation của chuỗiCác khối sau đây cho thấy 2 phương pháp khác nhau để kết nối chuỗi Phương pháp - 1 Time elapsed: 0.00094031450401567981 #Result Time elapsed: 0.00094031450401567983 Phương pháp - 2 Time elapsed: 0.00094031450401567984 #Result Time elapsed: 0.00094031450401567986 B. Concatenation của chuỗiCác khối sau đây cho thấy 2 phương pháp khác nhau để kết nối chuỗi Phương pháp - 1 Time elapsed: 0.00094031450401567987 #Result Time elapsed: 0.00094031450401567989 Phương pháp - 2 def f(x): return x * x import timeit timeit.repeat("for x in range(100): f(x)", "from __main__ import f", number=100000)0 #Result def f(x): return x * x import timeit timeit.repeat("for x in range(100): f(x)", "from __main__ import f", number=100000)2 B. Concatenation của chuỗiCác khối sau đây cho thấy 2 phương pháp khác nhau để kết nối chuỗi Phương pháp - 1 def f(x): return x * x import timeit timeit.repeat("for x in range(100): f(x)", "from __main__ import f", number=100000)3 #Result def f(x): return x * x import timeit timeit.repeat("for x in range(100): f(x)", "from __main__ import f", number=100000)5 Phương pháp - 2 def f(x): return x * x import timeit timeit.repeat("for x in range(100): f(x)", "from __main__ import f", number=100000)6 #Result def f(x): return x * x import timeit timeit.repeat("for x in range(100): f(x)", "from __main__ import f", number=100000)8 B. Concatenation của chuỗiCác khối sau đây cho thấy 2 phương pháp khác nhau để kết nối chuỗi
Sự kết luận Trong bài viết này, chúng tôi đã thảo luận về cách tìm bộ nhớ được sử dụng trong khi chạy một khối mã trong Python. Chúng tôi đã thảo luận về các đoạn của 4 trường hợp sử dụng và được liệt kê thời gian thực hiện để thực hiện và bộ nhớ cực đại được tiêu thụ. Kết quả được tóm tắt dưới đây - Làm thế nào để bạn kiểm tra tốc độ của mã python?May mắn thay, có nhiều lựa chọn hơn nếu thời gian không dành cho bạn ... Kiểm tra hiệu suất của vũ lực .. Kiểm tra hiệu suất bằng thư viện thời gian .. Kiểm tra hiệu suất bằng thư viện CPROFILE .. Kiểm tra hiệu suất với các thư viện bên ngoài .. Làm thế nào để Python tính toán thời gian thực hiện mã?Mô -đun thời gian Python thường được sử dụng để đo thời gian thực hiện của các đoạn mã nhỏ.Chúng ta cũng có thể sử dụng hàm Timeit (), thực thi hàm ẩn danh với một số lần thực thi.Nó tạm thời tắt bộ sưu tập rác trong khi tính toán thời gian thực hiện.. We can also use the timeit() function, which executes an anonymous function with a number of executions. It temporarily turns off garbage collection while calculating the time of execution.
%% thời gian có nghĩa là gì trong Python?%% Thời gian là một lệnh ma thuật.Đó là một phần của ipython.%% Thời gian in thời gian tường cho toàn bộ ô trong khi %thời gian cung cấp cho bạn thời gian cho dòng đầu tiên.Sử dụng %% thời gian hoặc %thời gian in 2 giá trị: thời gian CPU.prints the wall time for the entire cell whereas %time gives you the time for first line only. Using %%time or %time prints 2 values: CPU Times.
Làm thế nào để bạn kiểm tra hiệu quả mã trong Python?Mẹo kiểm tra tải Python và thực tiễn tốt nhất.. Tạo một môi trường biệt lập cho thử nghiệm.Bạn muốn phá vỡ trang web hoặc ứng dụng của bạn trong quá trình thử nghiệm..... Xác định các kịch bản để kiểm tra..... Phát triển và thực hiện các bài kiểm tra..... Kiểm tra tất cả các điểm cuối thích hợp..... Phân tích và kiểm tra lại..... Đo lường các số liệu chính xác..... Tối ưu hóa hiệu suất .. |