这篇“Jupyter Notebook中的%time和%timeit如何使用”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“Jupyter Notebook中的%time和%timeit如何使用”文章吧。
1.%time 或 %timeit：计算当前行的代码运行时间。
%time 的计算结果包括：CPU time（CPU运行程序的时间）， Wall time（Wall Clock Time，墙上挂钟的时间，也就是我们感受到的运行时间）。
%timeit 计时更为精确，这一命令会运行代码 r 次，每次 n 遍，再对 n*r 遍的结果取平均后，得到运行一遍代码的时间。
举个例子来看看吧，以列表的循环计算为例，先看 %time 的计算：
nums1=list(range(10000))%time nums2=[i+5 for i in nums1]这里我们用 %time 计算一下第二行代码，也就是对列表中每个元素的值加 5 的运行时间，结果为：
Wall time: 998 µs
我的电脑上不知怎么回事，只显示了 Wall time 。
再来看 %timeit 的计算：
nums1=list(range(10000))%timeit nums2=[i+5 for i in nums1]结果为：
645 µs ± 45.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
如上所示，使用 %timeit 计时会运行 r 次（默认值 r=7）, 每一次运行 n 遍的 n 则是由系统根据代码确定一个合适的值，这里 n=1000，最后对所有计时结果取平均得到运行一遍代码的时间。
也可以使用 %timeit -r R -n N，以自定义的设置（运行R次，每一次N遍）来运行代码并计时。例如：
nums1=list(range(10000))%timeit -r 5 -n 400 nums2=[i+5 for i in nums1]就是对代码运行 5 次, 每次 400 遍，最后对所有计时结果取平均，得到运行一遍代码的时间。结果如下：
705 µs ± 60.1 µs per loop (mean ± std. dev. of 5 runs, 400 loops each)
2.%%time 或 %%timeit：计算当前单元(cell)的代码运行时间。
%%time 与 %time ， %%timeit 与 %timeit 的计算方式相同，区别在于 % 是用于单行代码的命令，%% 是应用于当前单元的命令。
需要注意的是，%%time 或者 %%timeit 必须在当前单元的第一行。 并且，%%time 后不能跟代码。例如：
%%time nums1=list(range(10000))nums2=[i+5 for i in nums1]结果为：
Wall time: 1.99 ms
%%timeit 后面可以跟代码，这行代码会运行、但不会计入时间，从第二行开始计时。例如：
%%timeit nums1=list(range(10000))nums2=[i+5 for i in nums1]结果为：
685 µs ± 47 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
可以看到，这一结果与前面使用行命令 %timeit 的结果相近，因为 %%timeit 之后的代码nums1=list(range(10000)) 运行但是不计时。
再来看看 %%timeit 单独放在第一行的结果：
%%timeit nums1=list(range(10000))nums2=[i+5 for i in nums1]结果为：
800 µs ± 52 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
这种情况下，会对代码 nums1=list(range(10000)) 计时，因此运行时间更长一点。
以上就是关于“Jupyter Notebook中的%time和%timeit如何使用”这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注编程网行业资讯频道。
