了解了程序如何運行，我們就可以讓我們寫的程序變得更快。

介紹

在前面很長一段時間，我們學習建立一個搜索索引，它可以通過一次一次地查看每個條目來響應查詢。

當搜索索引檢查關鍵字與我們要找的詞相匹配時，就會把結果打印出來。

但是，如果索引很大很大，查詢次數很多很多，這種方法就會太慢。

一個典型的商用的搜索引擎應該在一秒鐘內做出響應，甚至還會快得多。

在接下來的幾篇文章，我們將學習如何使我們的搜索索引更快。

讓事情變得更快的辦法

這幾篇文章最主要目標是讓大家了解程序的運行成本。

到此刻為止，我們還沒有擔心過這個問題，那是我們寫的都是最簡單的代碼，如果程序的代碼足夠大的時候，或者讓程序運行更多的事情的時候，我們就必須開始考慮運行它們的成本。

這個評估一個執行的成本是一個非常重要的問題，它是計算機科學的一個基本問題。有些人整個職業生涯都在研究這個問題。這就是所謂的算法分析。

在看我寫的公號過程中，你可能沒有意識到這一點，但實際你完整學習的話，已經寫了很多算法。

算法是一個輸入某些東西，然后讓計算機產生正確結果的程序。

一個程序是一個邏輯清晰的步驟序列，它可以機械地執行。

我們主要對可以被計算機執行的程序感興趣，但它之所以成為程序，重要的部分在于它的步驟是精確定義的，不需要思考就可以執行。

要成為一個算法，它必須總是完成。也就是說它必須要有輸出。

你已經看到，要確定一個算法是否總有輸出，這不是一個簡單的問題。

一般來說，不可能回答這個問題，在現實世界，你永遠無法給出下一秒的準確預測，明天的輸出需要明天到來之后，才能觀察到。

但對于計算機的程序來說，給定一個輸入，必須要有一個輸出的結果，哪怕是個錯誤的結果。

所以，一旦你有了一個算法，然后你用邏輯清晰定義了實現的步驟，那么它就會產生正確的結果。

這也意味著你可以通過統計每段過程，對它的成本進行推理。

什么是成本？

計算機科學家思考成本的方式與大多數人思考成本的方式完全不同。

當你考慮到東西的成本時，你就會知道具體的東西，比如紅車要25000元，綠車要10000元--紅車比綠車貴。

你只要比較這些成本就可以了。這是以非常具體的事物與具體的成本來思考的。

用算法就不一樣了。我們通常不會有一個具體的執行思路。成本取決于投入。

假設 算法A 和 算法B 都解決同一個問題。

輸入 算法A 輸出

輸入 算法B 輸出

你不能像汽車那樣給它們定一個固定的價格。

對于某些輸入，可能 算法A 比 算法B 便宜，但對于其他輸入，算法B 可能更便宜。

你不希望對每一個輸入都要進行計算。

在計算機科學中，成本的主要方式是以輸入的大小來談論的。

通常情況下，輸入的大小是決定算法速度的主要因素。

通俗的來說，計算中的成本是以時間如何隨著輸入的大小增加而增加來衡量。

有時，輸入的其他屬性也很重要，這在后面會提到。最終，成本總是歸結為錢。

當算法執行時，什么是需要花錢的？

完成的時間--如果它完成得更快，你就會花更少的時間在它身上。你可以按執行時間來租用電腦。有各種云計算服務，你按使用時間支付一定大小的處理器的費用。這只是幾分錢每小時。時間真的是金錢，雖然我們不需要把成本變成金錢，因為我們可能不知道確切的計算成本，但了解執行時間就能很好地了解成本。

內存--如果執行一個算法需要一定的內存，那么你就可以知道運行程序所需的計算機大小和成本。

總而言之，成本是以時間和記憶而不是以金錢來談論的；盡管這些的實際實施確實會轉化為實際的金錢成本。時間往往是成本的最重要方面，但記憶也是另一個考慮因素。

為什么計算機科學家專注于測量時間隨輸入大小而變化，而不是絕對時間？

a我們想在運行一個程序之前，預測它的執行時間。

b我們想知道隨著計算機的速度越來越快，時間將如何變化。

c我們想了解算法的基本屬性，而不是特定輸入或機器的東西。

d我們想要抽象的答案，所以它們永遠不會錯。

e縱觀整個計算的歷史，一年后用同樣的錢能買到的計算機會比今天能買到的計算機快。

程序運行的時間

下面我們將學習如何檢查一段代碼運行所需的時間。

下面的存儲過程time_execution就是一種評估代碼執行所需時間的一種方法。

你可以嘗試用秒表來做，但是為了準確，你必須運行程序很長時間。

使用 time 時間庫中內置的 time_execution() 更準確。代碼后面有注釋。

import time #這是一個Python庫

def time_execution(code):

start = time.monotonic() # 啟動時鐘,返回的時鐘的浮點數值

result = eval(code) # 把任何字符串當作Python命令來計算。

run_time = time.monotonic() - start # 找出開始時間和結束時間的差異。

return result, run_time # 返回代碼結果和所需時間

Jupyter中的執行過程：

時鐘已經啟動。它開始時讀取的時間有些隨意，但這并不重要，因為你只對它開始和停止的時間差感興趣，而不是絕對的開始和結束時間。

時鐘啟動后，你要評估的代碼會被執行。這是由相當令人興奮的方法eval('code')完成的。它允許你以字符串的形式運行任何輸入的代碼！你輸入一個字符串，它就會運行。

你輸入一個字符串，它就會把它作為 Python 代碼運行。例如，eval('1 + 1') 運行代碼 1 + 1。

代碼執行完畢后，時鐘停止，計算開始和停止時間的差值，并存儲為run_time。

最后，過程在eval中返回代碼的結果及其運行時間。

你可以通過web解釋器來運行計時，但它不會是準確的，而且你的代碼在那里運行的時間是有限制的。

如果你的電腦上安裝了Python，你就可以在上面運行。

如果你還沒有安裝Python，盡快安裝。

只要動手自己做一遍，才是最快速的學習方式。

上面的輸出代碼都是Frankie在他的Mac anaconda里的Jupyter notebook中運行的。

回顧一下，time_execution 的輸入 "1 + 1"，被作為輸入發送給 eval ，然后它以 Python 代碼的形式運行 1 + 1。

運行時間用科學記數法寫成：(2, 1.7687999843474245e-05)

你可以通過觀察 e 后面的 -5 來了解它的來源，它告訴你把小數點向左移動 5 步，就像這樣。

單位是秒，所以這是毫秒的一小部分，也就是0.017毫秒左右。

反復嘗試同一條指令，由于同一時間機器里有其他事情在進行，所以結果會有所不同，但都是同一個值左右。

如果你試著嘗試更大的數字，時間還是非常非常小的。

實際的處理時間還會更低，因為，啟動和停止時鐘等都算入到時間里面了。

對于這種很小的代碼的執行來說，這并不能說明什么。

所以接下來的文章，你會看到一些較長的模塊它的執行時間。關注編程聯盟，繼續學習了解更多的內容。

總結

以上是生活随笔為你收集整理的python输出运行时间表_Python编程第十二课 了解程序运行的时间的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。