Question

timeit模块非常适合测量小代码片段的执行时间，但是当代码更改全局状态（如timeit）时，很难获得准确的时序。

例如，如果我想花时间导入模块，那么第一次导入将比后续导入花费更长的时间，因为子模块和依赖项已经导入并且文件已经被缓存。所以使用更大的number重复，如：

>>> import timeit
>>> timeit.timeit('import numpy', number=1)
0.2819331711316805

>>> # Start a new Python session:
>>> timeit.timeit('import numpy', number=1000)
0.3035142574359181

不起作用，因为一次执行的时间几乎与1000轮相同。我可以执行命令“重新加载”包：

>>> timeit.timeit('imp.reload(numpy)', 'import importlib as imp; import numpy', number=1000)
3.6543283935557156

但它只比第一个import慢10倍似乎表明它也不准确。

似乎无法完全卸载模块（"Unload a module in Python"）。

所以问题是：准确衡量import时间的恰当方法是什么？

Answer 1

由于完全卸载模块几乎是不可能的，因此这个答案的灵感可能是this ......

你可以在python脚本中运行一个循环来运行x次python命令导入numpy而另一个不执行任何操作，并减去+ average：

import subprocess,time

n=100
python_load_time = 0
numpy_load_time = 0

for i in range(n):
    s = time.time()
    subprocess.call(["python","-c","import numpy"])
    numpy_load_time += time.time()-s

    s = time.time()
    subprocess.call(["python","-c","pass"])
    python_load_time += time.time()-s

print("average numpy load time = {}".format((numpy_load_time-python_load_time)/n))

Python中导入的准确时间

1 个答案: