网络编程
位置：首页>> 网络编程>> Python编程>> python Jupyter运行时间实例过程解析

python Jupyter运行时间实例过程解析

作者：悦悦的小屋　　发布时间：2022-04-15 04:38:21　

标签：python,Jupyter,运行,时间

这篇文章主要介绍了python Jupyter运行时间实例过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

1.Python time time()方法


import time
time_start=time.time()
time_end=time.time()
print('totally cost',time_end-time_start)

import time

print "time.time(): ％f " ％ time.time()
print time.localtime( time.time() )
print time.asctime( time.localtime(time.time()) )

以上实例输出结果为：


time.time(): 1234892919.655932
(2009, 2, 17, 10, 48, 39, 1, 48, 0)
Tue Feb 17 10:48:39 2009

Python time time() 返回当前时间的时间戳（1970 * 后经过的浮点秒数）

参数：NA。

返回值：返回当前时间的时间戳（1970 * 后经过的浮点秒数）。

2.Jupyter Magic - Timing(％％time ％time ％timeit)

对于计时有两个十分有用的魔法命令：％％time 和 ％timeit. 如果你有些代码运行地十分缓慢，而你想确定是否问题出在这里，这两个命令将会非常方便。

（1）.％％time 将会给出cell的代码运行一次所花费的时间。


％％time
import time
for _ in range(1000):
 time.sleep(0.01)# sleep for 0.01 seconds

output:
CPU times: user 196 ms, sys: 21.4 ms, total: 217 ms
Wall time: 11.6 s

（2）.％time 将会给出当前行的代码运行一次所花费的时间。


import numpy
％time numpy.random.normal(size=1000)
output:
Wall time: 1e+03 µs

（3）％timeit 使用Python的timeit模块，它将会执行一个语句100，000次(默认情况下)，然后给出运行最快3次的平均值。


import numpy
％timeit numpy.random.normal(size=100)

output:
12.8 µs ± 1.25 µs per loop (mean ± std. dev. of 7 runs, 100000 loops each)

来源：https://www.cnblogs.com/yuehouse/p/11493901.html

0
投稿

猜你喜欢

手机版 网络编程 asp之家 www.aspxhome.com