一、time模块的使用
在Python中，可以使用time模块来测量代码的性能。具体来说，我们可以使用time.perf_counter()函数来计算程序运行时间。
import time
start_time = time.perf_counter()
# 待测试的代码
end_time = time.perf_counter()
print("程序运行时间：", end_time - start_time)
time.perf_counter()函数返回的是CPU执行时间，单位是秒。我们分别在代码开始和结束位置取得时间，并计算时间差，就能得出程序的运行时间。
二、使用timeit模块进行多次测量
如果我们想测试代码的性能稳定性，可以多次运行代码并取平均值。Python中有一个timeit模块，它可以方便地进行多次性能测试。
import timeit
t = timeit.Timer("待测试的代码", "import 模块")
print("程序运行时间：", t.timeit(number=1000)) # 进行1000次测试，并计算平均值
timeit.Timer()函数可以传入两个参数，第一个参数是待测试的代码，第二个参数是需要导入的模块。我们可以通过设置number参数来指定测试次数。timeit.Timer.timeit()方法会返回经过多次测试后的平均运行时间。
三、性能优化
测量完程序的性能后，我们可以对程序进行优化，以提高程序的运行速度。
最普遍的性能优化方式之一就是减少循环次数。如果存在多层循环，可以将内层循环尽可能提到外层循环外面来减少循环次数。同时，也可以考虑使用一些新的数据结构来替换原有的算法。
四、实例：计算斐波那契数列
我们以计算斐波那契数列为例来测试代码性能，并进行优化。
斐波那契数列是一个非常经典的数列，下一项的值是前两项的和，即：0, 1, 1, 2, 3, 5, 8, 13, 21……
首先，我们看一下最基础的计算斐波那契数列的代码：
def fibonacci(n):
if n <= 1:
return n
else:
return fibonacci(n-1) + fibonacci(n-2)
print(fibonacci(30))
这段代码的时间复杂度是O(2^n)，n越大，计算时间越长。
接下来，我们进行优化。首先，我们将已经计算过的值保存下来，避免重复计算。这样做可以大大减少循环次数。
memo = {} # 存储已经计算过的值
def fibonacci(n):
if n <= 1:
return n
if n not in memo:
memo[n] = fibonacci(n-1) + fibonacci(n-2)
return memo[n]
print(fibonacci(30))
下一步，我们考虑循环计算斐波那契数列。在循环中，我们只需存储前两个数值并依次更新，就能计算出所有的斐波那契数列。
def fibonacci(n):
a, b = 0, 1
for i in range(n):
a, b = b, a + b
return a
print(fibonacci(30))
最后，我们通过time模块来测试不同算法的性能，并对比不同算法的运行时间。
import time
def fibonacci_recursive(n):
if n <= 1:
return n
else:
return fibonacci_recursive(n-1) + fibonacci_recursive(n-2)
def fibonacci_memo(n, memo):
if n <= 1:
return n
if n not in memo:
memo[n] = fibonacci_memo(n-1, memo) + fibonacci_memo(n-2, memo)
return memo[n]
def fibonacci_loop(n):
a, b = 0, 1
for i in range(n):
a, b = b, a + b
return a
start_time = time.perf_counter()
print(fibonacci_recursive(35))
end_time = time.perf_counter()
print("递归算法的运行时间：", end_time - start_time)
start_time = time.perf_counter()
print(fibonacci_memo(35, {}))
end_time = time.perf_counter()
print("使用备忘录的递归算法的运行时间：", end_time - start_time)
start_time = time.perf_counter()
print(fibonacci_loop(100000))
end_time = time.perf_counter()
print("循环算法的运行时间：", end_time - start_time)
运行结果表明，递归算法的运行时间最长，循环算法的运行时间最短。使用备忘录的递归算法与循环算法的运行时间差距不大。
原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/196383.html
微信扫一扫 
支付宝扫一扫 