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. Переменная Шредингера
  2. Руководство по использованию Colorama
  3. Работа с индексами списков
  4. Переменные класса и экземпляра
  5. Делегирование в Python
  6. Функция print() — вывод информации
  7. Делегирование в Python
  8. Очистка входных данных
  9. Итераторы с потерямиZIP
  10. Игра Виселица на Python
  11. Конвертация изображений в PDF
  12. Применение команды break
  13. Создание класса очереди
  14. Перетасовка списков в Python
  15. Модуль math: константы π и e
  16. Тест скорости набора текста на Python
  17. Сохранение и загрузка модели в PyTorch
  18. Объединение строк с помощью метода join
  19. Flask: создание веб-приложений
  20. Метод setdefault() в Python
  21. Установка пакета в Python
  22. Оптимизация создания строк
  23. Выборка чисел
  24. Отладка кода
  25. Замена элементов в списке с помощью генераторов списков
  26. Функция enumerate() в Python
  27. Измерение времени выполнения кода
  28. Python Метод sleep() из time
  29. Отладчик pdb: начало работы
  30. Отрицательные индексы списков
  31. JMESPath в Python
  32. Извлечение данных из JSON
  33. Работа с парами ключ-значение
  34. Работа с кортежами в Python
  35. Работа с переменными в Python
  36. Создание словаря через dict comprehension
  37. Обучение модели с указанием эпох
  38. Функция count() в Python
  39. Функция enumerate в Python
  40. Работа с модулем random
  41. Работа с defaultdictами в Python
  42. Изменение элемента списка
  43. Запуск Python из интерпретатора
  44. Преобразование Excel в PDF с Spire.XLS
  45. Генераторы в Python
  46. Работа с *args и **kwargs в Python

Marketello читают маркетологи из крутых компаний