timetime 0.1

timetime est un micromodule de comparaison de temps d'exécution de 2 ou 3 fonctions sans argument.

timetime

Résumé

timetime est un micromodule de comparaison de temps d'exécution de 2 ou 3 fonctions. Très simple à utiliser, il est basé sur les modules built-in time et re.

Il fait un nombre de passes (3 par défaut) et un nombre de boucles (10000 par défaut) sur chaque fonction. Il affiche ensuite, par passe, les temps total et moyen d'exécution.

Usage

Les fonctions à comparer doivent être sans arguments. Il est fortement recommandé, pour la lisibilité des résultats de l'analyse, qu'elle ne comporte pas d'impressions écran de résultats de la fonction elle-même (si ça doit être le cas, voyez une alternative pour éviter un "print" dans l'exemple).

import timetime as tt
tt.compare2(f1, f2, cpass=3, loop=10000)
# compare2(fonction1, fonction2, [cpass, loop])
tt.compare3(f1, f2, f3, cpass=3, loop=10000)
# compare3(fonction1, fonction2, fonction3, [cpass, loop])
tt.version()

import timetime_demo as dtt
dtt.demo()
dtt.code_demo()

exemple

import os
import timetime as tt

def f1():
    with open(os.devnull, 'w') as f:
         f.write('b'+'c')

a = 'b'+'c'
def f2():
    with open(os.devnull, 'w') as f:
        f.write(a)

# quel est le plus rapide ?
tt.compare2(f1, f2)

commentaires à propos de l'exemple

Les résultats:

+-----------------------+
| Compare f1() and f2() |
+-----------------------+
3 passes, 10000 loops.

-- Pass 1 -----------------------------------
FUNCTION f1(). Total runtime = 0.22496986389160156
for 10000 loops. Mean loop = 2.2496986389160157e-05 

FUNCTION f2(). Total runtime = 0.23083710670471191
for 10000 loops. Mean loop = 2.308371067047119e-05 

-- Pass 2 -----------------------------------
FUNCTION f1(). Total runtime = 0.22321414947509766
for 10000 loops. Mean loop = 2.2321414947509765e-05 

FUNCTION f2(). Total runtime = 0.2218799591064453
for 10000 loops. Mean loop = 2.218799591064453e-05 

-- Pass 3 -----------------------------------
FUNCTION f1(). Total runtime = 0.22172784805297852
for 10000 loops. Mean loop = 2.217278480529785e-05 

FUNCTION f2(). Total runtime = 0.2204301357269287
for 10000 loops. Mean loop = 2.204301357269287e-05 

que constate-ton ?

Que l'avantage de concatener préalablement une seule fois n'est pas du tout évident sur le fait de concaténer l'équivalent de la chainea à chaque tour de boucle.

Ces comparaisons entre diverses implémentations ou diverses fonctions ne sont pas toujours aussi proches; voyez timetime_demo.py