Jupyter?Notebook中的%time和%timeit如何使用

這篇“Jupyter Notebook中的%time和%timeit如何使用”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“Jupyter Notebook中的%time和%timeit如何使用”文章吧。

1.%time 或 %timeit：計算當前行的代碼運行時間。

%time 的計算結果包括：CPU time（CPU運行程序的時間）， Wall time（Wall Clock Time，墻上掛鐘的時間，也就是我們感受到的運行時間）。

%timeit 計時更為精確，這一命令會運行代碼 r 次，每次 n 遍，再對 n*r 遍的結果取平均后，得到運行一遍代碼的時間。

舉個例子來看看吧，以列表的循環計算為例，先看 %time 的計算：

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

這里我們用 %time 計算一下第二行代碼，也就是對列表中每個元素的值加 5 的運行時間，結果為：

Wall time: 998 µs

我的電腦上不知怎么回事，只顯示了 Wall time 。

再來看 %timeit 的計算：

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

結果為：

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

如上所示，使用 %timeit 計時會運行 r 次（默認值 r=7）, 每一次運行 n 遍的 n 則是由系統根據代碼確定一個合適的值，這里 n=1000，最后對所有計時結果取平均得到運行一遍代碼的時間。

也可以使用 %timeit -r R -n N，以自定義的設置（運行R次，每一次N遍）來運行代碼并計時。例如：

nums1=list(range(10000))
%timeit -r 5 -n 400 nums2=[i+5 for i in nums1]

就是對代碼運行 5 次, 每次 400 遍，最后對所有計時結果取平均，得到運行一遍代碼的時間。結果如下：

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

2.%%time 或 %%timeit：計算當前單元(cell)的代碼運行時間。

%%time 與 %time ， %%timeit 與 %timeit 的計算方式相同，區別在于 % 是用于單行代碼的命令，%% 是應用于當前單元的命令。

需要注意的是，%%time 或者 %%timeit 必須在當前單元的第一行。 并且，%%time 后不能跟代碼。例如：

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

結果為：

Wall time: 1.99 ms

%%timeit 后面可以跟代碼，這行代碼會運行、但不會計入時間，從第二行開始計時。例如：

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

結果為：

685 µs ± 47 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

可以看到，這一結果與前面使用行命令 %timeit 的結果相近，因為 %%timeit 之后的代碼nums1=list(range(10000)) 運行但是不計時。

再來看看 %%timeit 單獨放在第一行的結果：

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

結果為：

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

這種情況下，會對代碼 nums1=list(range(10000)) 計時，因此運行時間更長一點。

以上就是關于“Jupyter Notebook中的%time和%timeit如何使用”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。