Python Jupyter笔记本%timeit比命令行慢1000倍，为什么？

我正在尝试计时python 3.6。来自jupyter笔记本的程序，但它似乎像魔术命令

%timeit

增加了很多额外的开销，给了我错误的统计数据

来自Jupyter笔记本：

%timeit a=1
10000000 loops, best of 3: 84.1 ns per loop

从cmdline

python -m timeit 'a=1'
100000000 loops, best of 3: 0.0163 usec per loop

---

因此，在本例中，命令行

timeit

的运行速度比jupyter笔记本电脑

timeit

快数百万倍。原因是什么？有没有办法修复它，以便jupyter笔记本中的

timeit

可以提供正确的测量值？

您没有正确读取这些数字。IPython以纳秒为单位报告计时（请注意

ns

缩写）。Python以微秒为单位报告计时（

usec

）

1微秒是1000纳秒；将标准化为纳秒Python报告为16.3纳秒，因此速度仅为纳秒的5倍

然而，我不能复制你的发现。在virtualenv中使用相同的Python二进制文件来运行IPython并直接运行：

venv-3.6 $ bin/ipython
Python 3.6.2 (default, Jul 18 2017, 14:26:50)
Type "copyright", "credits" or "license" for more information.

IPython 5.2.2 -- An enhanced Interactive Python.
?         -> Introduction and overview of IPython's features.
%quickref -> Quick reference.
help      -> Python's own help system.
object?   -> Details about 'object', use 'object??' for extra details.

In [1]: %timeit a=1
100000000 loops, best of 3: 11.9 ns per loop

In [2]:
Do you really want to exit ([y]/n)? y

venv-3.6 $ bin/python -m timeit 'a=1'
100000000 loops, best of 3: 0.0121 usec per loop

在一个Jupyter笔记本里，又是同一个virtualenv；这基本上驱动了ipython，因此正如预期的那样，没有真正的区别：

%timeit a=1
100000000 loops, best of 3: 11.8 ns per loop

---

这是11.9对12.1对11.8纳秒；距离太近，无法显示差异。

您没有正确读取这些数字。IPython以纳秒为单位报告计时（请注意

ns

缩写）。Python以微秒为单位报告计时（

usec

）

1微秒是1000纳秒；将标准化为纳秒Python报告为16.3纳秒，因此速度仅为纳秒的5倍

然而，我不能复制你的发现。在virtualenv中使用相同的Python二进制文件来运行IPython并直接运行：

venv-3.6 $ bin/ipython
Python 3.6.2 (default, Jul 18 2017, 14:26:50)
Type "copyright", "credits" or "license" for more information.

IPython 5.2.2 -- An enhanced Interactive Python.
?         -> Introduction and overview of IPython's features.
%quickref -> Quick reference.
help      -> Python's own help system.
object?   -> Details about 'object', use 'object??' for extra details.

In [1]: %timeit a=1
100000000 loops, best of 3: 11.9 ns per loop

In [2]:
Do you really want to exit ([y]/n)? y

venv-3.6 $ bin/python -m timeit 'a=1'
100000000 loops, best of 3: 0.0121 usec per loop

在一个Jupyter笔记本里，又是同一个virtualenv；这基本上驱动了ipython，因此正如预期的那样，没有真正的区别：

%timeit a=1
100000000 loops, best of 3: 11.8 ns per loop

---

这是11.9对12.1对11.8纳秒；太接近了，不能称之为差异。

84.1纳秒比0.0163微秒慢100万倍。84.1纳秒是0.0841微秒，因此差是5.84.1纳秒的一个因数，但不比0.0163微秒慢100万倍。84.1纳秒是0.0841微秒，因此差异是5的一个因素。您是否注意到OPs

timeit

s中的一个迭代次数是10倍，这会影响吗it@NickA：迭代次数不会影响每次迭代的计时。这表明可能使用了不同的二进制。@Martijn你说得对，我的错。系数5仍然很大，我想知道问题是什么。你不能复制我的发现的原因可能是因为你使用的是IPython而不是Jupyter笔记本。当我使用IPython时，速度几乎没有差别。@user681814:我刚在Jupyter笔记本上试用过，但仍然得到了

100000000个循环，每个循环最好3:11.8ns

@user681814:我使用了IPython，因为这确实是Jupyter驱动的速度。你注意到OPs

timeit

s中的一个循环的迭代次数是10倍吗，这会影响吗it@NickA：迭代次数不会影响每次迭代的计时。这表明可能使用了不同的二进制。@Martijn你说得对，我的错。系数5仍然很大，我想知道问题是什么。你不能复制我的发现的原因可能是因为你使用的是IPython而不是Jupyter笔记本。当我使用IPython时，速度几乎没有差别。@user681814:我刚在Jupyter笔记本上试用过，但仍然得到了

100000000个循环，每个循环最好3:11.8 ns

@user681814:我使用了IPython，因为Jupyter实际上就是这样驱动的。