229-531617-[专业选修]计时函数_timeit.sy.md

show	version	enable_checker
step	1.0	true

嵌套调用

回忆

• 上次比较了递归(recursion)和循环(loop)
• 一般来讲循环所用时间较少
• 递归可能会有大量重复的函数调用
• 查看调用过程和时间可以用viztrace
• 不过这个有点太重了

• 有没有快速查看函数运行时间的方法呢？

循环计时

• 我们以前用过这个
  • time.time()

• 重写代码

• 运行结果为
  • e-6
  • μs（microsecond)
  • 微秒

递归计时

• 这两个差多少倍呢？

倍数计算

• 先把两个py文件导入进来

• 速度翻了35倍
• 有没有更快速的计时方式呢？

计时函数timeit

• 尝试构造代码

构造代码

• 怎么时间这么长呢？
• 1s以上

原始模块

• 以下为循环

import timeit
def fibo_loops(n):  # return Fibonacci series up to n
    """Return a list containing the Fibonacci series up to n."""
    result = []
    a, b = 0, 1
    while a < n:
        result.append(a)    # see below
        a, b = b, a+b
    return result

fibo_loops(10000)

• 以下为递归

import time
def fibo_recursive(n):    # write Fibonacci n
    """Return nth element of the Fibonacci series up to n."""
    if n == 0:
        return 0
    elif n == 1:
        return 1
    else:
        return fibo_recursive(n-1) + fibo_recursive(n-2)

def fibo_get_series(n):
    """Return a list containing the Fibonacci series up to n."""
    i = 0
    result = 0
    l = []
    while result<n :
        l.append(result)
        i += 1
        result = fibo_recursive(i)
    return l

fibo_get_series(10000)

• 查看手册

查看手册

• timeit有个参数(parameter)number
• 有个默认值(default value)
• 1000000

再接再厉

• 这是计算100以内的斐波那契数列
• 如果计算10000以内的会有什么区别么？

10000以内

• 好像差距在扩大😱

总结

• 这次研究了计时函数timeit.timeit()
  • 可以把一段代码的文本作为参数传进来
  • 然后重复执行number次
  • 把这个时间记录下来
  • 这样就可以比较递归和循环的运行时间
• 实践出真知
• 得出哪个函数更好
• 或者说得出哪个算法更好
• 很明显是循环比递归快很多
• 关键递归有很多重复的内容
  • 我可以把这些重复的部分给优化了么？🤔
• 我们下次再说👋