Время выполнения программы Python: как измерить и оптимизировать свой код

Время выполнения программы Python зависит от нескольких факторов, таких как сложность алгоритма, объем входных данных, производительность компьютера и наличие оптимизации кода.

Чтобы оценить время выполнения программы Python, можно использовать модуль timeit. Этот модуль предоставляет механизм для измерения времени выполнения кода.

Например, рассмотрим следующую задачу: нужно вычислить сумму чисел от 1 до 1000000. Реализация этой задачи может выглядеть так:

python
import timeit
def sum_numbers():
    result = 0
    for i in range(1, 1000001):
        result += i
    return result
print("Sum of numbers:", sum_numbers())
# измеряем время выполнения
print("Execution time:", timeit.timeit(sum_numbers, number=1))

В этом примере мы определяем функцию sum_numbers, которая считает сумму чисел от 1 до 1000000. Затем мы используем функцию timeit, чтобы измерить время ее выполнения. Функция timeit принимает два аргумента: функцию, которую нужно измерить, и число повторов (number), в нашем случае мы выбрали 1.

При выполнении этого кода мы получим следующий результат:

Sum of numbers: 500000500000
Execution time: 0.1035803730015259

Таким образом, время выполнения функции sum_numbers составляет примерно 0.1 секунды.

Одной из способов ускорения выполнения программы является использование библиотеки NumPy. Рассмотрим пример с вычислением суммы квадратов чисел от 1 до 1000000 с использованием NumPy:

python
import numpy as np
import timeit
def sum_squares():
    numbers = np.arange(1, 1000001)
    result = np.sum(numbers**2)
    return result
print("Sum of squares:", sum_squares())
# измеряем время выполнения
print("Execution time:", timeit.timeit(sum_squares, number=1))

Здесь мы используем функцию arange из библиотеки NumPy, чтобы создать массив чисел от 1 до 1000000. Затем мы возведем этот массив в квадрат и найдем его сумму с помощью функции sum. Использование NumPy позволяет ускорить выполнение этой задачи. При выполнении этого кода мы получим следующий результат:

Sum of squares: 333333833333500000
Execution time: 0.013680077999999926

В этом примере время выполнения сократилось почти в 8 раз благодаря использованию NumPy.