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. Обработка исключений
  2. Функции map, filter и reduce
  3. Логирование с Loguru
  4. Передача аргументов через **arguments
  5. Pretty-printing JSON в Python
  6. Метод rrshift для пользовательских объектов
  7. Операции с комплексными числами
  8. ChainMap избыточные ключи
  9. Добавление цвета в консоли
  10. Тернарный оператор в Python
  11. Парсинг веб-страниц с Beautiful Soup
  12. Декораторы в Python
  13. Кортежи в Python: особенности и преимущества
  14. Работа со слайсами
  15. Вложенные генераторы в Python
  16. Реализация операции -= для пользовательского класса
  17. Аннотации типов в Python
  18. Функция enumerate в Python
  19. Документация функции help() в Python
  20. Метод pos в Python
  21. Перезагрузка оператора в Python
  22. Преобразование типов данных в set comprehension
  23. Философия Python
  24. Фильтрация списка чисел
  25. Получение пути к текущему скрипту с помощью os
  26. Пространство имен в Python
  27. Colorama: окрашивание текста в Python
  28. Оператор распаковки в Python
  29. Работа с пользовательским вводом
  30. Методы Python для работы с данными
  31. Операция += для списков
  32. Приближение чисел в Python
  33. Шаблоны и наследование в Flask
  34. Итерация по итерируемым объектам
  35. Аннотации типов в Python
  36. Многострочные комментарии в Python
  37. Переопределение метода __or__()
  38. Лямбда-функции для min/max
  39. Базовые объекты Python
  40. Переворот списка в Python
  41. Закрытие файла в Python
  42. Проверка запуска скрипта или импорта модуля

Marketello читают маркетологи из крутых компаний