python Jupyter執行時間例項過程解析
阿新 • • 發佈:2020-01-09
這篇文章主要介紹了python Jupyter執行時間例項過程解析,文中通過示例程式碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
1.Python time time()方法
import time time_start=time.time() time_end=time.time() print('totally cost',time_end-time_start)
import time print "time.time(): %f " % time.time() print time.localtime( time.time() ) print time.asctime( time.localtime(time.time()) )
以上例項輸出結果為:
time.time(): 1234892919.655932 (2009,2,17,10,48,39,1,0) Tue Feb 17 10:48:39 2009
Python time time() 返回當前時間的時間戳(1970紀元後經過的浮點秒數)
引數:NA。
返回值:返回當前時間的時間戳(1970紀元後經過的浮點秒數)。
2.Jupyter Magic - Timing(%%time %time %timeit)
對於計時有兩個十分有用的魔法命令:%%time 和 %timeit. 如果你有些程式碼執行地十分緩慢,而你想確定是否問題出在這裡,這兩個命令將會非常方便。
(1).%%time 將會給出cell的程式碼執行一次所花費的時間。
%%time import time for _ in range(1000): time.sleep(0.01)# sleep for 0.01 seconds output: CPU times: user 196 ms,sys: 21.4 ms,total: 217 ms Wall time: 11.6 s
(2).%time 將會給出當前行的程式碼執行一次所花費的時間。
import numpy %time numpy.random.normal(size=1000) output: Wall time: 1e+03 µs
(3)%timeit 使用Python的timeit模組,它將會執行一個語句100,000次(預設情況下),然後給出執行最快3次的平均值。
import numpy %timeit numpy.random.normal(size=100) output: 12.8 µs ± 1.25 µs per loop (mean ± std. dev. of 7 runs,100000 loops each)
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。