单次测量用 timeit.timeit()，但易受系统负载干扰；评估稳定性或排除异常值必须用 timeit.repeat()，它默认执行3组、每组1000000次，返回列表可取min()最可靠。
timeit.timeit() 和 timeit.repeat() 怎么选
单次测量用 timeit.timeit()，但结果容易受瞬时系统负载干扰；想评估稳定性或排除异常值，必须用 timeit.repeat() —— 它默认执行 3 组，每组调用 number 次（默认 1000000），返回列表，你取 min() 最可靠。
常见错误是直接信 timeit.timeit() 的一次结果，尤其在笔记本或虚拟机上，CPU 频率波动、后台进程都可能让误差超 20%。
-
repeat=5, number=100000比默认更稳妥，适合中等耗时代码 - 如果函数执行很快（number 到 10⁶ 或更高，避免计时器本身开销占比过大
- 用
repeat()后别取平均值，取min()—— 这最接近“纯函数执行时间”，避开上下文干扰
setup 参数写错会导致 benchmark 失效
setup 不只是导入语句，它决定测试环境是否干净。漏掉变量预定义、错用字符串拼接、忘记 import，都会让 timeit 报 NameError 或测到无关开销。
例如测 list.append()，如果在 stmt 里每次新建 list：stmt='l = []; l.append(1)'，实际测的是创建 list + append，不是 append 本身。
立即学习“Python免费学习笔记（深入）”；
- 正确做法：在
setup中初始化数据，stmt只写待测操作，如setup='l = []'，stmt='l.append(1)' - 多行 setup？用三引号或
;连接，但注意换行符不被支持，setup='import math; x = 123'是安全的 - 避免在
setup中执行耗时操作（如读文件、生成大列表），否则会污染计时结果
命令行调用 timeit 时路径和作用域容易出错
用 python -m timeit 最方便，但要注意当前工作目录和 Python 模块搜索路径 —— 它不自动包含当前目录，-m 模式下也无法直接 import 本地 .py 文件。
典型报错：ModuleNotFoundError: No module named 'myutils'，哪怕 myutils.py 就在当前文件夹。
- 解决方法一：加
-p .（Python 3.11+）或临时改PYTHONPATH=. - 解决方法二：把待测代码写成字符串传入，用
-s写 setup，如python -m timeit -s "from math import sqrt" "sqrt(144)" - 别在命令行里用相对路径导入模块；也别依赖
__file__或os.getcwd()——timeit的执行上下文不保证与你预期一致
timeit.Timer 实例比函数调用更灵活，但要手动管理命名空间
当你需要反复测多个 stmt、共享同一 setup，或想控制 globals/locals 时，timeit.Timer 是唯一选择。但它不会自动帮你隔离变量，locals 冲突或 globals 覆盖很常见。
比如你在 globals() 里传了 {'x': 10}，又在 stmt 里写 x += 1，就会报 UnboundLocalError —— 因为 Python 认为 x 是局部变量，但首次引用前未赋值。
- 安全做法：用独立字典传
globals，且确保所有变量都在里面初始化，如g = {'x': 10}; t = timeit.Timer('x += 1', globals=g) - 避免混用
globals和locals；优先只用globals，locals在闭包或动态作用域下行为难预测 - 如果 stmt 依赖类或函数定义，全写进
setup字符串里，别指望从外部 globals 自动带入
真正影响结果的，往往不是算法本身，而是 setup 是否复位、number 是否足够大、以及你有没有在 min 结果里忽略掉那一次 GC 触发的抖动。