Курс Python → Измерение времени выполнения с помощью time

В процессе разработки программного обеспечения часто возникает необходимость измерять время выполнения различных участков кода. Это может быть особенно полезно при оптимизации, отладке или анализе производительности. Иногда, просто взглянув на время выполнения, можно выявить узкие места в алгоритмах или неэффективные операции. В Python для этой задачи отлично подходит стандартный модуль time, который позволяет легко и быстро проводить такие замеры.

Чтобы измерить время выполнения кода, достаточно сохранить текущее время перед началом выполнения интересующего блока и затем снова замерить время по завершении. Вычитая одно значение из другого, мы получаем продолжительность выполнения данного куска кода. Этот подход прост и эффективен, не требуя установки дополнительных библиотек. Давайте рассмотрим пример, который продемонстрирует данный процесс.

import time

# Замер времени выполнения
start_time = time.time()  # Сохраняем текущее время

# Код, время выполнения которого мы хотим измерить
result = sum(range(1000000))  # Пример длительной операции

end_time = time.time()  # Сохраняем время после выполнения
execution_time = end_time - start_time  # Вычисляем время выполнения

print(f"Время выполнения: {execution_time:.6f} секунд")

В приведенном примере мы используем функцию sum() для вычисления суммы чисел от 0 до 999999. Сначала мы сохраняем текущее время в переменной start_time, затем выполняем наш код, и после этого снова замеряем время с помощью time.time(). Разница между end_time и start_time дает нам время, затраченное на выполнение операции. В конце мы выводим это время на экран с точностью до шести знаков после запятой.

Использование модуля time для измерения времени выполнения кода — это простой и интуитивно понятный способ анализа производительности. Такой подход позволяет разработчикам быстро находить и устранять узкие места, а также оптимизировать код, что в конечном итоге приводит к улучшению общей эффективности программного обеспечения. Вы можете использовать данный метод не только для отдельных функций, но и для более сложных блоков кода, получая точную информацию о производительности вашего приложения.

Твои коллеги будут рады, поделись в

Автор урока

Дмитрий Комаровский
Дмитрий Комаровский

Автоматизация процессов
в КраснодарБанки.ру

Другие уроки курса "Python"

  1. Подсчет количества элементов в списке
  2. Фильтрация списка чисел
  3. Сортировка HTML по CSS-селектору
  4. Отправка HTTP-запросов с User-Agent
  5. Функция product() из itertools
  6. Запуск файлового сервера
  7. Определение относительного пути
  8. Метод pop() списка
  9. Список методов и атрибутов
  10. Пустой оператор pass в Python
  11. Генератор данных в Keras
  12. Анонимные функции в Python
  13. Метод join() для объединения элементов строки
  14. Списки: объединение, изменение
  15. Создание лямбда-функций
  16. Протокол управления контекстом
  17. Шаблоны Flask: условия и циклы
  18. Работа со строками в Python
  19. Приоритет операций в Python
  20. Применение функции к списку
  21. Удаление элементов из списка
  22. Сортировка элементов в Python
  23. Создание коллекций из выражения-генератора
  24. Генераторы в Python
  25. Поиск HTML-элементов с BeautifulSoup
  26. Библиотека Emoji: использование смайлов в Python
  27. Поиск индексов подстроки
  28. Функция enumerate в Python
  29. Декораторы классов
  30. Лямбда-функции в цикле
  31. Работа с OpenCV
  32. Отрицательные индексы списков
  33. Импорт в Python: список all
  34. split() — разделение строки
  35. Работа с функцией next() в Python
  36. Преобразование вложенного списка
  37. Руководство по библиотеке pydantic
  38. Оптимизация памяти в Python
  39. Декораторы в Python
  40. Использование эмодзи в Python
  41. Инвертирование словаря
  42. Возврат нескольких значений
  43. Профилирование с Pandas
  44. Нахождение отличий в списках
  45. Инициализация переменных
  46. Извлечение аудио из видео
  47. Декоратор проверки активности

Marketello читают маркетологи из крутых компаний