Cách đo Time chạy trong Python

Trong Python, việc đo lường thời gian thực thi của mã là một kỹ năng quan trọng giúp bạn đánh giá và tối ưu hóa hiệu suất chương trình. Python cung cấp nhiều phương pháp đo thời gian từ đơn giản đến nâng cao, giúp bạn dễ dàng theo dõi thời gian chạy của các đoạn mã, từ đó phát hiện và cải thiện các phần cần tối ưu. Hãy cùng tìm hiểu các cách khác nhau để đo thời gian thực thi trong Python và tìm hiểu phương pháp nào phù hợp nhất cho nhu cầu của bạn.

Sử dụng time.time() trong Python

Bạn có thể sử dụng time.time() để lấy thời gian hiện tại trước và sau khi chạy đoạn mã cần đo. Sau đó, chỉ cần trừ hai mốc thời gian để ra được thời gian đã trôi qua:

import time

start = time.time()
# đoạn mã bạn muốn đo thời gian...
end = time.time()
print(end - start)  # thời gian tính bằng giây

Sử dụng timeit.default_timer() trong Python

Hàm default_timer() tự động chọn đồng hồ đo thời gian tối ưu nhất cho nền tảng và phiên bản Python của bạn. Đây là phương pháp được khuyến nghị để đảm bảo độ chính xác cao.

from timeit import default_timer as timer

start = timer()
# đoạn mã bạn muốn đo thời gian...
end = timer()
print(end - start)  # thời gian tính bằng giây

Dùng timeit từ dòng lệnh

timeit là mô-đun chuẩn cho phép bạn đo thời gian chạy của các đoạn mã nhỏ một cách đơn giản. Bạn có thể sử dụng nó từ dòng lệnh như sau:

Bài viết này được đăng tại [free tuts .net]

python -m timeit '"-".join(str(n) for n in range(100))'

Kết quả sẽ có dạng:

50000 loops, best of 5: 7.83 usec per loop

Nếu muốn giới hạn số lần lặp, bạn có thể thêm tùy chọn -n:

python -m timeit -n 100 '"-".join(str(n) for n in range(100))'

Sử dụng timeit trong mã Python

Bạn có thể sử dụng timeit trong mã của mình. Chỉ cần truyền vào một hàm (có thể là biểu thức lambda) để đo thời gian chạy:

import timeit

timeit.timeit(lambda: "-".join(map(str, range(100))), number=1000)

Sử dụng timeit trong Jupyter Notebook

Trong Jupyter Notebook, bạn có thể dùng lệnh ma thuật %timeit để đo thời gian. Cú pháp này rất tiện lợi khi bạn muốn đo thời gian chạy ngay trong ô lệnh:

# Jupyter cell
def do_something():
    for i in range(100): i * i

%timeit -n 1000 do_something()

Kết quả sẽ có dạng:

2.26 µs ± 82.5 ns per loop (mean ± std. dev. of 7 runs, 1,000 loops each)

Sử dụng decorator để đo thời gian chạy hàm trong Python

Nếu muốn đo thời gian cho nhiều hàm khác nhau mà không phải viết lại các dòng mã đo thời gian, bạn có thể tạo một decorator để bao bọc các hàm này và tự động đo thời gian chạy.

from timeit import default_timer as timer

def timer_func(func):
    def wrapper(*args, **kwargs):
        t1 = timer()
        result = func(*args, **kwargs)
        t2 = timer()
        print(f'{func.__name__}() thực thi trong {(t2-t1):.6f}s')
        return result
    return wrapper

Sau đó, áp dụng decorator @timer_func vào bất kỳ hàm nào mà bạn muốn đo thời gian:

@timer_func
def do_something():
    for i in range(1000000): i * i

do_something()
# do_something() thực thi trong 0.030401s

Kết bài

Tóm lại, Python cung cấp nhiều cách để đo thời gian chạy của mã từ đơn giản như time.time() đến các cách phức tạp hơn với timeit và decorator. Hy vọng với hướng dẫn này, bạn có thể chọn cho mình phương pháp đo thời gian phù hợp nhất cho các nhu cầu phân tích và tối ưu hóa hiệu suất mã của mình.