在寫MATLAB的腳本的時候我時長會用tic、toc進行一下程序運行時間的測量。在Python中偶爾也會測試下，但是基本上都是靠使用time模塊。接觸了IPython之后突然間發現，原來程序執行時間的測試可以如此簡單！

在IPython中，程序執行時間的測試是通過魔術函數來實現。這個功能的魔術函數有兩個，一個是time，還有一個是timeit。后面這個功能與前面的功能類似，但是更為精確，因為測試采用了多次測試求取平均值的方式實現。

之前寫了一個簡單的測試小腳本，

#!/usr/bin/python import numpy as npfrom numpy.randomimport randn data = {i :randn() for i in range(7)}

print(data)代碼如下：

在IPython中測試記錄如下：

In [21]: %time%run dict.py{0:1.1356172702418055, 1: -0.24725099335195655, 2: -0.8566028472732841, 3:-0.7027863981377108, 4: 0.8563383373116604, 5: 1.4790260114125025, 6:0.45741003038960254}Wall time: 0 ns In [22]: %time%run dict.py{0:0.4634308244997993, 1: -0.2169481701227914, 2: 1.844213869777202, 3:-1.09428552819743, 4: -0.3162553722440559, 5: 0.35052990092285824, 6:-1.0779260478165211}Wall time: 0 ns

這結果有點……

確實，這么簡單的語句能夠執行多少時間呢！何況現在用的本子還是標壓處理器，又是I7計算最強芯。好，接下來改造一下，改成循環：

#!/usr/bin/python import numpy as npfrom numpy.randomimport randn for i inrange(1000):data = {i : randn() for i in range(7)}print(data)

以上代碼存儲到新文件之后，在IPython中進行測試與記錄。眼前閃過一大片輸出，拷貝全部的記錄不太可能了，截取部分結果如下：

{0:-0.8346562430694008, 1: -0.5081226699243429, 2: 0.14690620427134915, 3:-1.1947018796604227, 4: 0.5299884594565932, 5: -0.11730239691529774, 6:-0.008304349615949396}{0:-0.5004558540946741, 1: -2.239882398599743, 2: -0.4877611466394901, 3:0.04679029941320335, 4: -0.04061984884439187, 5: -0.18026780798066566, 6:0.2617579789690715}{0:-0.8498496249579838, 1: -0.34650772255315343, 2: -0.7067822075542513, 3:0.4675343777714329, 4: -2.095049716609193, 5: -1.9396619017424426, 6:1.4723754138476228}{0:1.0829454562962688, 1: 0.3658593642766029, 2: 0.7825005873884392, 3:-0.7024245957641886, 4: -0.9083494908408439, 5: -0.5225361343604294, 6:0.2780526056846729}Wall time: 2.67 s

這次的執行結果確實是挺長的，個人覺得主要的瓶頸應該還是在輸出功能上吧！在用timeit測試一下，看看結果是否有大的變化。部分記錄結果如下：

{0:1.1881922773474327, 1: 2.095703415950821, 2: 0.7768251617416795, 3:-0.3639801567794642, 4: -1.2155069020886828, 5: 0.05454831526380187, 6:0.521994301720664}{0:0.0962573073179745, 1: -0.6917641905037167, 2: 1.021197433972855, 3:0.4155701479521505, 4: 2.393391538898768, 5: 1.3755258048747323, 6:-0.5540780961303758}{0:-0.418199398478115, 1: 1.1973929026808094, 2: -0.3243683593668846, 3:-1.7765735471011064, 4: -1.1567528174241677, 5: -2.297151750515544, 6:1.6966820033283279}1 loop, best of 3:1.68 s per loop