python timeit函数是否可能报告0作为执行时间？

我正在从事一个项目，在该项目中，我们必须比较大小为2到2^16的列表的几种排序算法（插入排序、快速排序、合并排序等）的执行时间。我的指导老师指出，由于现代计算机速度非常快，“小”尺寸的运行时可能根本不会注册，并报告为0。作为一种解决方案，建议对于小实例，我们在一个额外的循环中运行该算法，并计算总执行时间，然后将该总时间除以循环重复次数。比如说,

while(repeat test 20 times) 
        while(execute algorithm 50 times)
             run algorithm

我使用Python的timeit函数来实现这一点，如下所示

    setup = '''
gc.enable()
import random
from __main__ import insertionSort
from __main__ import n #current instance size
from __main__ import s #random array
    '''
    average = sum(timeit.Timer('A=s[:]; insertionSort(A);',setup = setup).repeat(20,50))/20

我对n到32的大小执行此操作，在这一点上，我继续通过

average = sum(timeit.Timer('A=s[:]; insertionSort(A);',setup = setup).repeat(1,50))/50

我遇到的问题是，一旦我超过32，平均值就会下降

Averages for size 2^ 1
Insertion Sort Average:  0.00014180380003381288
Averages for size 2^ 2
Insertion Sort Average:  0.0002706763001697254
Averages for size 2^ 3
Insertion Sort Average:  0.0005087433502012573
Averages for size 2^ 4
Insertion Sort Average:  0.0018256775000736526
Averages for size 2^ 5
Insertion Sort Average:  0.006701907949900487
Averages for size 2^ 6
Insertion Sort Average:  0.00045550270002422624 #smaller average for larger instance?!

---

所以我想我的问题是-是否需要额外重复较小的实例？我尝试对大小为2的单次执行进行计时，得到的数字非常接近0（x10^-6），但实际上从未得到零

我尝试了一些实验，这似乎是必要的——不是为了避免0次，而是为了分摊一些开销。这是一个典型的示例，pass命令的退化情况：

>>> for n in range(9):
...   timeit.timeit("pass", number=10**n)/(10**n)
... 
3.0994415283203125e-06
1.9073486328125001e-07
5.0067901611328123e-08
3.6001205444335936e-08
3.3092498779296877e-08
3.4611225128173827e-08
1.6702890396118163e-08
1.2709689140319825e-08
1.1296820640563965e-08

---

这表明开销约为3微秒，执行时间约为11纳秒。

默认情况下，大多数

timeit

函数运行代码1000000次。这就是为什么不需要额外的循环。顺便说一句，你在

repeat（）

调用中用

50

重写了它，只循环了50次。是的，我只运行了50次执行，因为对于n的巨大值，执行每个算法需要大量的时间。这就是为什么我要问我是否应该为较小的实例执行额外的循环，也因为它实际上似乎从来都不是0。做一个实验：在循环中运行

print（time.time（））

几次。看看你是否能得到完全相同的时间。否则，即使测量正时也会导致数值>0。