Performance 使用TimeIt管理设置代码

作为我的一个pet项目的一部分，我需要用Python测试代码的各种不同实现的性能。我预计这将是我经常做的事情，我想尝试使我为实现这一目标而编写的代码尽可能易于更新和修改

目前它还处于初级阶段，但我已经开始使用字符串来管理常见的设置或测试代码，例如：

naiveSetup = 'from PerformanceTests.Vectors import NaiveVector\n' \
+ 'left = NaiveVector([1,0,0])\n' \
+ 'right = NaiveVector([0,1,0])'

这使得我只需编写一次代码，但代价是使代码更难阅读，更新起来也很笨拙

有更好的方法吗？

使用三重引号“”

timeit

的文档中提供了另一个有趣的方法：

def test():
    "Stupid test function"
    L = []
    for i in range(100):
        L.append(i)

if __name__=='__main__':
    from timeit import Timer
    t = Timer("test()", "from __main__ import test")
    print t.timeit()

---

虽然这并不适合所有的需要。

计时代码很好，但它仍然会让您猜测到底发生了什么

要了解实际发生的情况，请在调试器中手动将其随机暂停几次，然后检查调用堆栈

例如，在一个实现比另一个实现慢30倍的代码中，堆栈的每个样本都有96.7%的几率在其花费的额外时间内下降，因此您可以看到原因

---

不需要猜测。

这与所问的问题完全无关。这是一种新颖的方法，但我不确定当Python中包含的探查器不是1个，而是3个（最后一次计数）时，为什么要以这种方式执行“探查”：cProfile、profile和hotshot。请参见@SilentGhost:OP我需要测试各种不同实现的性能。@Peter Rowell：仅仅因为探查器“在那里”，并不意味着主题已经结束。大多数探查器（包括您提到的那些探查器）基于gprof中的概念，即插装和程序计数器采样。以下是对这些问题的解释：……它是新颖的，并不广为人知，但如果您尝试它，您可能会看到（正如我和其他人所看到的）仪器和堆叠镜头之间的区别就像看运动和玩运动之间的区别。就像单色和彩色之间的区别。所有关于精度和测量的业务就像在2D中看问题，而你需要的是3D。没有比较。

def test():
    "Stupid test function"
    L = []
    for i in range(100):
        L.append(i)

if __name__=='__main__':
    from timeit import Timer
    t = Timer("test()", "from __main__ import test")
    print t.timeit()