%time,%timeit魔法命令

在Jupyter-notebook中有几个用于计时的魔法命令%time、%%time、%timeit、%%timeit，可以非常简单的获取部分代码的运行耗时。

所有以%开头的方法，都是所谓的魔法命令（Magic function），也就是IPython内置的一些方法。魔法方法要区分%和%%，以%开头的叫做line magic，是专门针对一行的命令，以%%开头的叫做cell magic，是针对多行（一个cell）的命令。

以%%开头的魔法命令，必须放在一个cell的第一行，并且统计该cell中剩余的所有代码。

分别来看：

• %time

  给出当前行的代码运行一次所花费的时间；

  a,b = 1,2
  %time a,b = b,a
  
  # output:
  # CPU times: user 2 µs, sys: 1 µs, total: 3 µs
  # Wall time: 5.01 µs

  其中：

  • user：表示执行用户代码（内核外）消耗的CPU时间；
  • sys：表示进程在内核中消耗的CPU时间；

  所以，CPU总耗时看total即可，也就是uset和sys之和。

  Wall time是最终总耗时，包括IO、排队的耗时，也就是感知到的总耗时。

  Wall time $<$ CPU 表明进程是计算密集型（CPU bound），利用多核处理器的并行执行优势；

  Wall time $\approx$ CPU 表明进程是计算密集型，未并行执行；

  Wall time $>​$ CPU 表明进程是I/O密集型（I/O bound），多核并行执行优势并不明显；

• %%time

  给出当前cell的代码运行一次所花费的时间；

  %%time
  a,b = 1,2
  a,b = b,a
  
  # output:
  # CPU times: user 2 µs, sys: 1e+03 ns, total: 3 µs
  # Wall time: 5.96 µs

• %timeit -n 1000

  给出当前行的代码运行n次所花费的时间（取最快三次的平均用时）；

  %timeit -n 10000 c = pow(2,20)
  
  # output:
  # 10000 loops, best of 3: 198 ns per loop

• %%timeit -n 1000

  给出当前cell的代码运行n次所花费的时间（取最快三次的平均用时）；

  %%timeit -n 10000
  a,b = 1,2
  c=a
  a=b
  b=c
  
  # output:
  # 10000 loops, best of 3: 68.5 ns per loop