當我在IPython/Jupyter的函數中加入「％timeit」時，爲什麼我的計時結果不好？

Question

我正在學習如何在IPython中使用%timeit魔法命令，實際使用Jupyter筆記本與Python 3，如果我嘗試替不同大小的數組的NumPy的排序功能：

n = 10 
for i in range(n): 
    arr = np.random.rand(2**(i+10)) 
    %timeit -n 2 np.sort(arr) 

然後我得到的序列大致增加時間，就像我所期望的那樣。但是，如果我嘗試將此代碼打包到一個函數中，我不會得到我期望的輸出：所有時間都差不多！

def my_func(n): 
    for i in range(n): 
     arr = np.random.rand(2**(i+10)) 
     %timeit -n 10 np.sort(arr) 
my_func(10) 

請參閱Jupyter筆記本顯示結果here。

任何人都可以解釋我做錯了什麼，或者我誤解了什麼？

Answer 1

%timeit不應該正常工作正確裏面的函數（當前）。如果你開始一個新的筆記本電腦（或重新啓動你的），只使用：

import numpy as np 
def my_func(n): 
    for i in range(n): 
     arr = np.random.rand(2**(i+10)) 
     %timeit -n 10 np.sort(arr) 

my_func(10) 

，則會引發NameError：

NameError: name 'arr' is not defined

這是因爲%timeit只檢查全局變量不是本地的（所以它忽略函數中定義的變量arr = np.random.rand(2**(i+10))）。

如果您使用此代碼，這將是明顯的：

import numpy as np 

arr = np.array([1, 2, 3]) 

def my_func(n): 
    for i in range(n): 
     arr = np.random.rand(2**(i+10)) 
     %timeit -n 2 -r 1 print(arr) 

my_func(10) 

它打印：

 
[1 2 3] 
[1 2 3] 
3.44 ms ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
670 µs ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
2.04 ms ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
451 µs ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
906 µs ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
1.01 ms ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
767 µs ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
890 µs ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
1.28 ms ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 
[1 2 3] 
[1 2 3] 
919 µs ± 0 ns per loop (mean ± std. dev. of 1 run, 2 loops each) 

所以你的情況總是發現從非功能運行的最後arr（這是全球）。這也解釋了爲什麼該功能的時間大致相同。因爲它總是發現相同arr。