给定的问题可以通过多种不同的算法来解决。因此，我们需要优化解决方案的性能。Python 的 timeit 模块是一个用于测量 Python 应用程序性能的有用工具。
timeit 模块中的 timeit() 函数用于测量你的 Python 代码的执行时间。
语法
timeit.timeit(stmt, setup, timer, number)
参数
-
-
-
-
number — 代码将被执行的次数，默认为 1000000。
示例
下面的语句使用列表推导式来返回一个列表，包含范围内的每个数字乘以 2 的结果。
>>> [n*2 for n in range(100)]
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 32, 34,
36, 38, 40, 42, 44, 46, 48, 50, 52, 54, 56, 58, 60, 62, 64, 66, 68,
70, 72, 74, 76, 78, 80, 82, 84, 86, 88, 90, 92, 94, 96, 98, 100,
102, 104, 106, 108, 110, 112, 114, 116, 118, 120, 122, 124, 126,
128, 130, 132, 134, 136, 138, 140, 142, 144, 146, 148, 150, 152,
154, 156, 158, 160, 162, 164, 166, 168, 170, 172, 174, 176, 178,
180, 182, 184, 186, 188, 190, 192, 194, 196, 198]
为了测量上述语句的执行时间，我们使用 timeit() 函数如下：
>>> from timeit import timeit
>>> timeit('[n*2 for n in range(100)]', number=10000)
0.0862189000035869
比较使用 for 循环追加数字的过程所需的执行时间。
>>> string = '''
... numbers=[]
... for n in range(100):
... numbers.append(n*2)
... '''
>>> timeit(string, number=10000)
0.1010853999905521
结果表明，列表推导式更有效率。
stmt 字符串可以包含一个 Python 函数，并且可以通过 setup 代码向其传递一个或多个参数。
我们将找到并比较使用循环的阶乘函数与递归版本之间的执行时间。
使用 for 循环的普通函数如下：
def fact(x):
fact = 1
for i in range(1, x+1):
fact*=i
return fact
递归阶乘的定义如下：
def rfact(x):
if x==1:
return 1
else:
return x*fact(x-1)
测试这些函数来计算 10 的阶乘。
print ("Using loop:",fact(10))
print ("Using Recursion",rfact(10))
结果如下：
Using loop: 3628800
Using Recursion 3628800
现在我们将使用 timeit() 函数分别找出它们各自的执行时间。
import timeit
setup1="""
from __main__ import fact
x = 10
"""
setup2="""
from __main__ import rfact
x = 10
"""
print ("Performance of factorial function with loop")
print(timeit.timeit(stmt = "fact(x)", setup=setup1, number=10000))
print ("Performance of factorial function with Recursion")
print(timeit.timeit(stmt = "rfact(x)", setup=setup2, number=10000))
输出结果如下：
Performance of factorial function with loop
0.00330029999895487
Performance of factorial function with Recursion
0.006506800003990065
递归函数比带有循环的函数慢。
通过这种方式，我们可以对 Python 代码进行性能测量。