python - 当我使用IPython/Jupyter将“％timeit”放入函数中时，为什么会得到不好的计时结果？

我正在学习如何在IPython中使用%timeit magic命令，实际上是结合使用Jupyter Notebook和Python 3。

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增加的时间，就像我期望的那样。

但是，如果我尝试将此代码打包到一个函数中，则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Jupyter笔记本，显示结果here。

谁能解释我做错了什么，或者我误解了什么？

最佳答案

%timeit不应在函数内部正常运行（当前）。如果您启动一本新笔记本（或重新启动您的笔记本）并且仅使用：

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)

它将抛出一个NameError：


  NameError：未定义名称“ arr”


这是因为%timeit仅检查全局变量，而不检查局部变量（因此它将忽略函数内部定义的变量arr = np.random.rand(2**(i+10))）。

如果使用此代码，将很明显：

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]
每个循环3.44 ms±0 ns（平均±标准偏差，运行1次，每个循环2个）
[1 2 3]
[1 2 3]
每个回路670 µs±0 ns（平均±标准偏差，运行1次，每个回路2个）
[1 2 3]
[1 2 3]
每个循环2.04 ms±0 ns（平均±标准偏差，运行1次，每个循环2个）
[1 2 3]
[1 2 3]
每个回路451 µs±0 ns（平均±标准偏差，运行1次，每个回路2个）
[1 2 3]
[1 2 3]
每个回路906 µs±0 ns（平均±标准偏差，运行1次，每个回路2个）
[1 2 3]
[1 2 3]
每个循环1.01 ms±0 ns（平均±标准偏差。运行1次，每个2个循环）
[1 2 3]
[1 2 3]
每个循环767 µs±0 ns（平均±标准偏差，运行1次，每个循环2个）
[1 2 3]
[1 2 3]
每个回路890 µs±0 ns（平均±标准偏差，运行1次，每个回路2个）
[1 2 3]
[1 2 3]
每个循环1.28 ms±0 ns（平均±标准偏差。运行1次，每个2个循环）
[1 2 3]
[1 2 3]
每个回路919 µs±0 ns（平均±标准偏差，运行1次，每个回路2个）


因此，在您的情况下，它始终会在非功能运行（全局）中找到最后一个arr。这也解释了为什么该功能的时间大致相同。因为它总是找到相同的arr。

关于python - 当我使用IPython/Jupyter将“％timeit”放入函数中时，为什么会得到不好的计时结果？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/46025715/