Python 中的 timeit 函数详解

什么是 timeit？

timeit 是 Python 标准库中的一个模块，专门用于精确测量小段代码的执行时间。它通过多次运行代码并取平均值，有效减少系统波动对计时结果的影响，是性能调优和算法比较的常用工具。

基本语法

最常用的两种方式：

• timeit.timeit(stmt='pass', setup='pass', timer=default_timer, number=1000000)
• 命令行：python -m timeit "[code]"

参数说明：

• stmt：要测试的代码语句（字符串）
• setup：初始化代码（如 import），不会计入耗时
• number：执行次数，默认为 1,000,000 次

使用示例

import timeit

# 列表推导式
t1 = timeit.timeit('[x**2 for x in range(100)]', number=10000)

# for 循环
t2 = timeit.timeit('''
result = []
for x in range(100):
    result.append(x**2)
''', number=10000)

print(f"列表推导式: {t1:.4f} 秒")
print(f"for 循环: {t2:.4f} 秒")

import timeit

t = timeit.timeit(
    stmt='math.sqrt(25)',
    setup='import math',
    number=100000
)
print(f"math.sqrt 耗时: {t:.5f} 秒")

命令行快速测试

无需写脚本，直接在终端运行：

# 测试一行代码
python -m timeit "sum([x for x in range(100)])"

# 设置初始化语句
python -m timeit -s "import math" "math.sqrt(144)"

适合快速验证代码片段性能。

最佳实践建议

• 仅用于测量“小段”代码，避免包含 I/O 或网络请求
• 多次运行取平均值，提高准确性
• 避免在 stmt 中使用 print 等副作用操作
• 使用 timeit.repeat() 获取多次完整测试结果，排除异常值

常见误区

1. 误用全局变量：若需测试函数，应在 setup 中定义或导入。
2. 忽略 warm-up 效应：Python 的 JIT（如 PyPy）或缓存可能影响首次运行时间，timeit 默认多次运行可缓解此问题。
3. 过度解读微秒级差异：关注数量级差异，而非纳秒级波动。