上下文管理器和timeit.timeit()方法也适合单条语句计时。除此之外，也可通过命令行执行timeit计时，命令选项详见官方帮助。

通过命令行执行timeit计时，可方便地测量和对比相同功能不同实现表达式的性能：

E:\PyTest>python-mtimeit-r5"'-'.join(str(n)forninrange(100))"

10000loops,bestof5:32.8usecperloop

E:\PyTest>python-mtimeit-r5"'-'.join([str(n)forninrange(100)])"

10000loops,bestof5:29.8usecperloop

E:\PyTest>python-mtimeit-r5"'-'.join(map(str,range(100)))"

10000loops,bestof5:21.8usecperloop

以上三条待计时的Python表达式均被重复测试5次，每次测试中调用该表达式10000次。相同机器上运行的其他程序可能会影响计时测量，因此重复测量若干次再选取最佳结果(besttime)，以保证计时的准确性。考虑到后台进程等因素通常会增加总耗时，因此最佳结果取重复测量的最小值(添加-v选项可查看各次测量值)，而非平均值。由本例输出结果可知，map快于列表解析，而列表解析快于生成器(生成器表达式用作参数时可省略外部的括号)。注意，这三者的快慢对比会因场景而异。例如，[xforxinrange(10000)]比map(lambdax:x,range(10000))快三倍。因此，应根据Profiler工具的实测值而非"经验"来分析性能。

此外，需注意双引号和单引号的内外位置。在作者的Windows主机上外单内双会触发"EOLwhilescanningstringliteral"的语法错误，而在Linux主机上外单内双和外双内单均可正确解析。

再举一例：

E:\PyTest>python-mtimeit-r5-s"importmath""math.sqrt(255)"

10000000loops,bestof5:0.188usecperloop

E:\PyTest>

E:\PyTest>python-mtimeit-r5-s"frommathimportsqrt""sqrt(255)"

10000000loops,bestof5:0.143usecperloop

类似地，此处Windows主机只接受双引号，而Linux主机单双"通吃"。由输出结果可知，使用from语句导入比常规导入更快。同时也可看到，通过导入目标模块，timeit命令行也可对其函数甚至整个模块(存在入口函数时)计时。

最后是两点忠告：

进行性能评估时，要牢记任何测量结果只是一个估算值。即使相当可靠的计时工具，多次测量的结果也很可能有所出入。谨慎选取最佳结果，才能尽可能保证评估的准确性。

尽量使用标准库提供的计时工具，而不要自己编写计时函数。因为普通开发者难以全面考虑处理器时间片、后台持续或间歇运行的程序(如定时更新或杀毒)、网络连接、结果缓存、编译优化等多方面因素，导致自定义计时工具精度不高，某些情况下甚至完全偏离真实数据。

以上内容为大家介绍了Python单条语句计时，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注IT培训机构:千锋教育。

上一篇

python 集合操作方法详解

下一篇

Python k-近邻算法常见问题