如何利用Python timeit模块精确测量小段代码的执行耗时？-Python教程-PHP中文网

timeit.timeit() 直接调用常不准，因其默认不关闭gc、仅运行100万次、字符串执行导致作用域失真；应改用timer类+repeat()取最小值，并通过setup和globals确保上下文一致。

如何利用python timeit模块精确测量小段代码的执行耗时？

timeit 是 Python 里最靠谱的小段代码计时工具，但它默认行为容易误导——比如不自动禁用 GC、不重复足够次数、不处理变量作用域，直接调 timeit.timeit() 得到的数字很可能偏小或抖动大。

为什么 `timeit.timeit()` 直接调用常不准？

默认只运行 100 万次（number=1000000），但对极快的代码（比如 x = 1 + 1）来说，CPU 调度、缓存预热、GC 干扰都会拉低结果可信度；更麻烦的是，传入的字符串代码在全局作用域执行，而实际业务中变量常在函数内定义，作用域差异会导致字节码不同、优化程度不同。

不关 GC：垃圾回收可能在某次迭代中触发，耗时突增，拉高整体平均值
没设 number：太小 → 统计噪声大；太大 → 可能溢出或耗时过长
字符串形式传代码：无法复用局部变量，也不能用 nonlocal/global 声明

用 `timeit.Timer` 类 + `repeat()` 才算稳

绕开字符串限制，把待测逻辑封装成函数，再用 Timer 绑定该函数和 setup 逻辑（如导入、初始化），最后用 repeat(repeat=3, number=100000) 多轮跑——每轮独立计时，取最小值（排除系统干扰峰值）比平均值更反映真实性能。

python-parallelization

将顺序 Python 代码转换为并行/并发实现，用于在需要并行化 Python 代码、提升性能时使用。

下载

repeat=3 表示跑 3 轮，每轮执行 number 次
选最小值而非平均值：系统中断、缓存未命中等偶然开销只会抬高单轮耗时，最小值更接近“理想路径”
setup 函数里做 import 和初始化：避免计入计时，且确保每次 repeat 都重置状态

import timeit
<p>def test_func():
return sum(range(100))</p><h1>正确姿势：分离 setup 和 stmt</h1><p>timer = timeit.Timer(stmt=test_func, setup='from <strong>main</strong> import test_func')
times = timer.repeat(repeat=3, number=100000)
print(min(times))  # 输出单位是秒
</p>

测量函数内联 vs 调用开销时，别漏掉 `globals` 参数

如果想对比 math.sqrt(4) 和 4 ** 0.5，必须让它们在相同作用域下运行，否则 math 模块查找路径不同会影响结果。用 globals=locals() 把当前命名空间透传进去，比写字符串拼接安全得多。

字符串方式：timeit.timeit('math.sqrt(4)', setup='import math') —— math 在 setup 里导入，但 stmt 字符串执行时仍要解析名字
函数方式：timeit.timeit(lambda: math.sqrt(4), globals=locals()) —— math 已在当前 scope，无查找开销
注意：globals=locals() 仅适用于测试代码在模块顶层或函数内，不能在类方法里直接用