《学习 Python》第 5 版

第 21 章 标杆插曲

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

既然我们已经了解了编码函数和迭代工具，那么我们就来一次短途旅行，让它们都派上用场。本章以一个更大的案例研究结束本书的函数部分，该案例研究了我们迄今为止遇到的迭代工具的相对性能。

一路上，本案例研究调查了 Python 的代码计时工具，讨论了一般的基准测试技术，并允许我们探索比我们到目前为止所看到的大多数代码更真实、更有用的代码。我们还将测量当前 Python 实现的速度--这个数据点可能重要，也可能不重要，这取决于您编写的代码类型。

最后，由于这是本书这一部分的最后一章，我们将以常见的 "疑难解答 "和练习来结束，以帮助你开始编码你所读到的想法。不过，首先让我们来体验一下 Python 应用程序的乐趣。

定时迭代替代方案

在本书中，我们遇到了很多 迭代替代方案。就像编程中的许多事情一样，它们代表着折衷--既有主观因素（如表现力），也有更客观的标准（如性能）。作为程序员和工程师，你的工作之一就是根据这些因素来选择工具。

在性能方面，我曾多次提到，列表理解有时比for 循环语句更快，而map 调用根据调用模式的不同，可能比两者都快，也可能比两者都慢。上一章中的生成器函数和表达式往往比列表理解稍慢，尽管它们最大限度地减少了内存空间需求，并且在有许多结果需要生成时不会延迟调用者生成结果。

所有这些在今天一般都是正确的，但相对性能会随着时间的推移而变化，因为 Python 的内部结构在不断变化和优化，代码结构会任意影响速度。如果您想亲自验证它们的性能，就需要在自己的计算机和自己的 Python 版本上对这些替代方案进行计时。

定时模块：自制

幸运的是，Python 可以轻松地为代码计时。例如，如果要计算多次调用一个带有任意位置参数的函数所需的总时间，使用下面的首切函数就足够了：

# File timer0.py
import time
def timer(func, *args):                 # Simplistic timing function
    start = time.clock()
    for i in range(1000):
        func(*args)
    return time.clock() - start         # Total elapsed time in seconds

这个方法很有效--它从 Python 的time 模块中获取时间值，，并在使用传入参数运行 1000 次传入函数调用后，从停止时间中减去系统开始时间。在我使用 Python 3.3 的电脑上：

>>> from timer0 import timer
>>> timer(pow, 2, 1000)                 # Time to call pow(2, 1000) 1000 times
0.00296260674205626
>>> timer(str.upper, 'spam')            # Time to call 'spam'.upper() 1000 times
0.0005165746166859719

这款计时器虽然简单，但也相当有限，在功能设计和基准测试方面都故意犯了一些典型错误。 其中包括：

• 在测试的函数调用中不支持关键字参数

• 硬编码重复次数

• 将range的费用计入测试功能的时间

• 总是使用time.clock ，在 Windows 以外可能不是最佳选择

• 没有为调用者提供验证被测试函数是否真正起作用的方法

• 只提供总时间，在某些负载较重的机器上可能会出现波动

换句话说，定时代码比你想象的要复杂得多！为了更加概括和准确，让我们把它扩展到仍然简单但更有用的定时器实用函数中，我们既可以用它来查看现在的迭代替代选项是如何堆叠的，也可以在将来应用到其他定时需求中。这些函数被编码在一个模块文件中，因此它们可以在各种程序中使用，并且有 ...