timeit支持多种功能，并提供更好的报告
timethese的Python项目详细描述
厌倦了在比较 不止一个功能？时间这些有助于此类微基准测试。 它基本上是在多个函数上运行timeit（或者实际上是重复）和spits 写一份报告。在
一句话：timethis是timeit，用于多个功能，具有更好的报告功能
- 免费软件：麻省理工学院许可证
安装
pip install timethese
您还可以安装开发中版本：
^{pr2}$使用
微基准
时间这些有三个步骤：
- 定义要比较的函数
- 将它们以列表或dict的形式发送给cmp（见下文）
- 格式化结果，也就是漂亮的打印
我们来看看：
from timethese import cmpthese, pprint_cmp, timethese
xs = range(10)
# 1. DEFINE FUNCTIONS
def map_hex():
list(map(hex, xs))
def list_compr_hex():
list([hex(x) for x in xs])
def map_lambda():
list(map(lambda x: x + 2, xs))
def map_lambda_fn():
fn = lambda x: x + 2
list(map(fn, xs))
def list_compr_nofn():
list([x + 2 for x in xs])
# 2. FEED THE FUNCTIONS TO CMPTHESE
# AS DICT:
cmp_res_dict = cmpthese(
10000,
{
"map_hex": map_hex,
"list_compr_hex": list_compr_hex,
"map_lambda": map_lambda,
"map_lambda_fn": map_lambda_fn,
"list_compr_nofn": list_compr_nofn,
},
repeat=3,
)
# OR AS LIST:
cmp_res_list = cmpthese(
10000, [map_hex, list_compr_hex, map_lambda, map_lambda_fn, list_compr_nofn,], repeat=3,
)
# 3. PRETTY PRINT THE RESULTS
print(pprint_cmp(cmp_res_dict))
print(pprint_cmp(cmp_res_list))
如果你运行这个会得到什么？在
根据所提供函数的运行时，速率（单位：1/s）或 显示每次迭代的秒数（s/iter）。在
对于dict来说：
Rate list_compr_nofn map_hex map_lambda map_lambda_fn list_compr_hex
list_compr_nofn 1385057/s . 43% 47% 48% 88%
map_hex 969501/s -30% . 3% 4% 31%
map_lambda 940257/s -32% -3% . 1% 27%
map_lambda_fn 935508/s -32% -4% -1% . 27%
list_compr_hex 738367/s -47% -24% -21% -21% .
列出如下内容：
Rate 4.list_compr_nofn 0.map_hex 2.map_lambda 3.map_lambda_fn 1.list_compr_hex
4.list_compr_nofn 1360009/s . 31% 42% 46% 78%
0.map_hex 1037581/s -24% . 9% 11% 36%
2.map_lambda 955513/s -30% -8% . 2% 25%
3.map_lambda_fn 933666/s -31% -10% -2% . 22%
1.list_compr_hex 763397/s -44% -26% -20% -18% .
（函数名取自fn.\uu name_u并以列表索引作为前缀。）
定时
timethese还具有timethese功能，供cmp使用 内部。要直接获取计时，可以运行：
from timethese import timethese
xs = range(10)
def map_hex():
list(map(hex, xs))
def list_compr_hex():
list([hex(x) for x in xs])
def map_lambda():
list(map(lambda x: x + 2, xs))
def map_lambda_fn():
fn = lambda x: x + 2
list(map(fn, xs))
def list_compr_nofn():
list([x + 2 for x in xs])
timings_dict = timethese(
10000,
{
"map_hex": map_hex,
"list_compr_hex": list_compr_hex,
"map_lambda": map_lambda,
"map_lambda_fn": map_lambda_fn,
"list_compr_nofn": list_compr_nofn,
},
repeat=3,
)
timings_list = timethese(
10000,
[ map_hex, list_compr_hex, map_lambda, map_lambda_fn, list_compr_nofn ],
repeat=3,
)
# if you want, you can create a pandas df from it
import pandas as pd
timings_df = pd.DataFrame(timings_dict.values())
print(timings_df)
# BEWARE: if you pass a list to timings, you have to skip the .values() call
timings_df = pd.DataFrame(timings_list)
print(timings_df)
带装饰器的定时函数
时间这些还为时间单个函数提供了修饰符：
import time
import timethese
@timethese.print_time
def calculate_something():
time.sleep(1)
calculate_something()
提供4个装饰工，2个用于普通材料
- timethese.print_time
- timethese.log_time(logger, level=logging.INFO)
对于pandas数据帧（它们也打印结果数据帧的形状）为2。 使用df.pipe(...)
- timethese.log_time_df(logger, level=logging.INFO)
- timethese.print_time_df
例如，要记录pandas数据帧上管道操作的执行时间，可以编写：
import time
import logging
import timethese
import numpy as np
import pandas as pd
logging.basicConfig(level=logging.DEBUG)
logger = logging.getLogger(__name__)
@timethese.log_time_df(logger, logging.DEBUG)
def sum_by_group(df):
time.sleep(1) # introduce some artificial delay
return df.groupby("A").sum()
df = pd.DataFrame({"A": np.arange(100) % 2, "B": np.random.normal(size=100)})
res = df.pipe(sum_by_group)
有关更好的示例，请参阅源代码中的函数文档。在
发展
要运行所有测试运行：
tox
请注意，要合并来自所有tox环境的覆盖率数据，请执行以下操作：
| Windows | ^{pr 10}$ |
|---|---|
| Other | ^{pr 11}$ |
另请参见
这个想法来自Perl的Benchmark.pm，我在过去的日子里经常使用它。在
变更日志
0.0.7（2020-05-31）
- 改进了文档并修复了错误
0.0.6（2020-05-31）
- 改进的文档
- 固定的设置.py安装依赖项以再次通过travis测试
0.0.5（2020-05-31）
- 添加了更好的文档
- 现在对函数def doc使用NumPy文档格式
- 修复了pyproject.toml项目在
0.0.4（2020-05-30）
- 修复了与python3.5兼容的代码
- 修正了特拉维斯的东西
- 为的特定于时间的函数添加了装饰器pandas.DataFrame.pipe论据
0.0.3（2020-05-27）
- PyPI的第一个版本。在
- 项目
标签：
欢迎加入QQ群-->： 979659372
