Python性能测试利器（手把手教你用timeit库精准测量代码执行时间）

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，来消除系统波动带来的误差，从而提供可靠的性能数据。

为什么用timeit而不是time.time()？

你可能会想：“我直接用time.time()记录开始和结束时间不就行了吗？”但这样做的问题在于：

• 单次测量容易受系统负载、垃圾回收等干扰
• 无法自动重复执行以获得稳定结果
• 精度不够高（尤其在Windows上）

而timeit解决了这些问题，是官方推荐的微基准测试工具。

基本用法：三种方式

1. 命令行方式（最简单）

打开终端，直接运行：

python -m timeit "'-'.join(str(n) for n in range(100))"

这会自动运行这段代码多次，并输出最佳执行时间。

2. 函数调用方式（适合脚本中使用）

在Python脚本中导入timeit模块：

import timeit# 测试一段代码time_taken = timeit.timeit(stmt="'-'.join(str(n) for n in range(100))", number=10000)print(f"执行10000次耗时: {time_taken:.4f} 秒")

3. Timer对象方式（最灵活）

当你需要更精细的控制时，可以使用Timer类：

import timeitdef test_func():    return '-'.join(str(n) for n in range(100))# 创建Timer对象t = timeit.Timer(stmt=test_func)# 运行10000次并返回总时间total_time = t.timeit(number=10000)print(f"总耗时: {total_time:.4f} 秒")

实战案例：比较不同写法的性能

假设我们要拼接100个数字成字符串，有三种常见写法：

1. 列表推导式 + join
2. 生成器表达式 + join
3. 普通for循环

我们用timeit来一决高下：

import timeit# 方法1：列表推导式stmt1 = "'-'.join([str(n) for n in range(100)])"# 方法2：生成器表达式stmt2 = "'-'.join(str(n) for n in range(100))"# 方法3：普通for循环setup3 = '''s = []for n in range(100):    s.append(str(n))result = '-'.join(s)'''print("列表推导式:", timeit.timeit(stmt1, number=10000))print("生成器表达式:", timeit.timeit(stmt2, number=10000))print("普通for循环:", timeit.timeit(setup3, number=10000))

运行后你会发现，生成器表达式通常是最高效的，因为它避免了创建中间列表。

高级技巧

- 使用setup参数：如果你的测试代码依赖外部变量或函数，可以用setup参数预先定义。

timeit.timeit(stmt="my_func()", setup="from __main__ import my_func", number=1000)

- 自动选择最佳运行次数：timeit.repeat()可以多次运行整个测试，返回一个时间列表，便于分析稳定性。

总结

通过本文，你应该已经掌握了如何使用Python timeit进行准确的性能测试。记住，优化代码前先测量，不要凭感觉！无论是做Python性能优化，还是单纯好奇哪段代码更快，timeit都是你不可或缺的工具。

下次当你纠结于两种写法哪个更好时，不妨用timeit跑个测试——让数据说话！

关键词：Python timeit, 性能测试, 代码执行时间, Python性能优化