Skip to main content
 首页 » 编程设计

python之当我将 "%timeit"放入 IPython/Jupyter 的函数中时,为什么会得到错误的计时结果

2025年02月15日8mq0036

我正在学习如何在 IPython 中使用 %timeit 魔法命令,实际上是在 Python 3 中使用 Jupyter notebook。如果我尝试为各种大小的数组计时 NumPy 排序函数:

n = 10 
for i in range(n): 
    arr = np.random.rand(2**(i+10)) 
    %timeit -n 2 np.sort(arr) 

然后我得到了一系列大致递增的时间,正如我所期望的那样。

但是,如果我尝试将这段代码打包到一个函数中,我不会得到我期望的输出:所有时间都差不多!

def my_func(n): 
    for i in range(n): 
        arr = np.random.rand(2**(i+10)) 
        %timeit -n 10 np.sort(arr) 
my_func(10) 

请查看显示结果的 Jupyter notebook here .

谁能解释我做错了什么,或者我误解了什么?

请您参考如下方法:

%timeit 不应该在函数内部正确工作(目前)。如果你开始一个新的笔记本(或重新启动你的笔记本)并且只使用:

import numpy as np 
def my_func(n): 
    for i in range(n): 
        arr = np.random.rand(2**(i+10)) 
        %timeit -n 10 np.sort(arr) 
 
my_func(10) 

它会抛出一个NameError:

NameError: name 'arr' is not defined

那是因为 %timeit 只检查全局变量而不检查局部变量(所以它忽略了变量 arr = np.random.rand(2**(i+10)) 在你的函数中定义)。

如果你使用这段代码,它会很明显:​​

import numpy as np 
 
arr = np.array([1, 2, 3]) 
 
def my_func(n): 
    for i in range(n): 
        arr = np.random.rand(2**(i+10)) 
        %timeit -n 2 -r 1 print(arr) 
 
my_func(10) 

打印:

[1 2 3] 
[1 2 3] 
3.44 ms ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
670 µs ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
2.04 ms ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
451 µs ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
906 µs ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
1.01 ms ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
767 µs ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
890 µs ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
1.28 ms ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
919 µs ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 

所以在你的情况下,它总是从你的非函数运行(这是全局的)中找到最后一个 arr 。这也解释了为什么函数的时间大致相同。因为它总能找到相同的arr。