本文示範如何使用裝飾器搭配 time.time() 精確測量函式執行時間,並以埃拉托斯特尼篩法求質數為例,展示百萬級計算的效能分析實戰。
import time
def print_timing(func):
def wrapper(*arg):
t1 = time.time()
res = func(*arg)
t2 = time.time()
print('%s took %0.3f ms' % (func.__name__, (t2 - t1) * 1000.0))
return res
return wrapper
@print_timing
def getPrimeList(n):
"""返回 2 到 n-1 的質數列表 (篩法)"""
if n < 2:
return []
if n == 2:
return [2]
s = list(range(3, n + 1, 2))
mroot = n ** 0.5
half = len(s)
i = 0
m = 3
while m <= mroot:
if s[i]:
j = (m * m - 3) // 2
s[j] = 0
while j < half:
s[j] = 0
j += m
i += 1
m = 2 * i + 3
return [2] + [x for x in s if x]
if __name__ == "__main__":
print("prime numbers from 2 to <10,000,000 using a sieve algorithm")
primeList = getPrimeList(10000000)
time.sleep(2.5)
prime numbers from 2 to <10,000,000 using a sieve algorithm getPrimeList took 4750.000 ms
@print_timing 透明包裝原函式,不侵入業務邏輯。time.time() 精度:秒級浮點數,乘 1000 得毫秒,適合函式級計時。mroot 早停、切片賦值加速。func.__name__ 取得函式名稱:Python 3 相容寫法(原文 func.func_name 為 Python 2 語法)。同樣模式可套用至:
只需在目標函式上方加上 @print_timing 即可獲得毫秒級執行時間報告,零修改業務碼。