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
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 2009Python time time() 返回当前时间的时间戳（1970纪元后经过的浮点秒数）参数：NA。返回值：返回当前时间的时间戳（1970纪元后经过的浮点秒数）。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)版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
