我迅速尝试在ipython中为2个函数计时，m1()和m2()用2种不同的实现方式执行相同的任务。
In [23]: %timeit for x in range(100): m1(a)
10000 loops, best of 3: 57.6 us per loop
In [24]: %timeit for x in range(100): m2(a)
10000 loops, best of 3: 108 us per loop
结果：第一个实现几乎快了2倍。到目前为止，一切都很好。
出于好奇，我更改了上面的
for循环的范围，现在我不知所措了。In [25]: %timeit for x in range(1): m2(a)
1000000 loops, best of 3: 1.29 us per loop
In [26]: %timeit for x in range(10): m2(a)
100000 loops, best of 3: 10.8 us per loop
In [27]: %timeit for x in range(1000): m2(a)
1000 loops, best of 3: 1.06 ms per loop
for循环在这里到底在做什么？又为什么在增加范围值时循环数的值会减少？
PS：我使用this作为参考。另外，如果标题不能准确传达我的问题，请对其进行更好的编辑。
最佳答案
timeit计算整个块的执行时间。
因此，您看到的是：
运行m2(a) 1次需要1.29 us
运行m2(a) 10次需要10.8 us
运行m2(a) 1000次需要1.06 ms
这很有意义，因为1.06ms = 1060 us大约是基准的1000倍（而10.8 us大约是基准的10倍）
至于循环数，timeit旨在在合理的时间内运行：
$ python -mtimeit -h
...
If -n is not given, a suitable number of loops is calculated by trying
successive powers of 10 until the total time is at least 0.2 seconds.
关于python - 在ipython中使用timeit的问题，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/19473800/