Python提供了一个timeit.timeit()函数用于计算函数的运行时间，这使得我们在项目开发中很方便的设计profiling并根据结果做相应的优化, 其定义如下：
timeit.timeit(stmt='pass', setup='pass', timer=<default timer>, number=1000000)
Create a Timer instance with the given statement, setup code and timer function and run its timeit() method with number executions.
New in version 2.6.
例如，假设我们在某个项目中要统计并存储访问过的url，一个可能的实现如下所示：
1 class UrlStatistics:
2 def __init__(self):
3 self.visitedSites = dict()
4
5 def visit(self, url):
6 if url in self.visitedSites:
7 self.visitedSites[url] += 1
8 else:
9 self.visitedSites[url] = 1
10
11 def mostFrequentVisitedSites(self, n=10):
12 sortedSites = sorted(self.visitedSites.items(),
13 key=lambda pair: pair[1], reverse=True)
14 return [(url, visits) for url, visits in sortedSites[:n]]
上面示例代码中用一个dict变量存储所有访问过的url(line 2), 函数visit() 将每一个新访问的的url计入我们的统计当中（line5~9), 函数mostFrequentVisitedSites()返回访问最频繁的前十名url(line 11~14). 为了使用timeit.timeit()函数计算visit()或mostFrequentVisitedSites()执行效率，我们需要让该函数反复执行，因此我们还需要以某种方式来反复得到不同或相同的URL。 下面的get_url_name()函数随机从英文字母表选取3-7个字符并拼接成URL， test_visit()函数用于调用UrlStatistics.visit()， 最后我们用timeit.timeit()调用test_visit()函数并设定调用次数，最后得到运行时间：
1 def get_url_name():
2 prefix = 'www'
3 suffix = 'com'
4 name = ''.join([random.choice(string.ascii_lowercase)
5 for i in range(random.randint(3, 7))])
6 return '.'.join([prefix, name, suffix])
7
8
9 def test_visit():
10 urlStats = UrlStatistics()
11 urlStats.visit(get_url_name())
12
13
14 if __name__ == '__main__':
15 print(timeit.timeit('test_visit()',
16 setup='from __main__ import test_visit',
17 number=600000))
结果如下：
stephenw@stephenw-devbox1:~/pyTest$ ./timeitTest.py
8.078887998002756
考虑到python中collections模块中的defaultdict可以让visit()函数看上去更简洁，我们可做如下修改：
class UrlStatistics:
def __init__(self):
self.visitedSites = defaultdict(int)
def visit(self, url):
self.visitedSites[url] += 1
相应的，由timeit.timeit()得到的运行时间为 8.326297112002067， 可见使用defaultdict()后，效率降低了
最后，timeit模块还提供了命令行接口来实现同样的功能（结果和上面略有差异）：
stephenw@stephenw-devbox1:~/pyTest$ python -m timeit -n 600000 "from timeitTest import test_visit; test_visit()"
600000 loops, best of 3: 9.83 usec per loop
转载于:https://www.cnblogs.com/wangwenzhi2019/p/10892594.html