timeit 是 python 专为精确测量小段代码执行时间设计的内置性能测试工具。它自动处理多次运行、垃圾回收干扰和系统时钟精度等问题，比手动用 time.time() 更可靠，支持命令行调用、脚本调用、setup 隔离初始化、globals 安全传参、repeat 多次测试取最小值等特性，适用于毫秒级以下微基准测试。
timeit 是 Python 内置的轻量级性能测试工具，专为精确测量小段代码执行时间而设计。它自动处理多次运行、垃圾回收干扰、系统时钟精度等问题，比手动用 time.time() 更可靠。
基础用法：命令行与模块调用
最简单的方式是直接在终端运行：
python -m timeit -s “import math” “math.sqrt(12345)”
其中 -s（setup）执行一次初始化代码，主语句重复执行并取最快几次的中位数作为结果。
在脚本中使用更灵活：
立即学习“Python免费学习笔记（深入）”；
import timeit # 测单行表达式 timeit.timeit('sum([1,2,3])', number=1000000) <h1>测多行语句（用三引号或分号）</h1><p>timeit.timeit('''x = [1,2,3] sum(x)''', number=100000)</p><h1>指定 setup，避免重复导入开销</h1><p>timeit.timeit('os.listdir(".")', setup='import os', number=10000)对比不同实现：控制变量是关键
测试多个方案时，必须确保 setup 和环境一致，否则结果不可比：
- 所有待测语句共用同一 setup 字符串（如导入、构造测试数据）
- 避免在语句中创建大对象（如
[i for i in range(1000)]），应提前放到 setup 里 - 若需变量，用
globals参数传入字典，比字符串拼接更安全清晰
示例：
data = list(range(1000)) timeit.timeit('max(data)', globals={'data': data}, number=100000)进阶技巧：自定义重复策略与结果分析
timeit 默认运行 100 万次并返回总耗时（秒），但常需更细粒度控制：
- 用
repeat(repeat=3, number=100000)获取多次独立测试结果，便于观察波动 - 对结果取
min()更合理——排除系统抖动影响，反映最佳性能 - 结合
autorange()让 timeit 自动找到合适迭代次数（避免过短不准确、过长太慢）
典型工作流：
t = timeit.Timer('x**2', setup='x=123') times = t.repeat(repeat=5, number=100000) print(f'最快: {min(times):.4f}s') # 看最小值，而非平均常见误区与注意事项
timeit 不是万能的，要注意适用边界：
- 只适合毫秒级以下的微基准测试；函数整体耗时 >100ms 应考虑用
cProfile - 不模拟真实场景（如缓存命中、内存压力），结果不能直接外推到实际应用
- 默认禁用 GC，若代码涉及大量临时对象，可加
gc.enable()到 setup 中再测 - 交互式环境（如 jupyter）推荐用
%timeit魔法命令，它已自动优化了上下文处理