برخی کاربران پایتون علاقه عمیقی به دانستن عملکرد نسبی رویکردهای مختلف به یک مشکل پیدا میکنند. پایتون ابزار اندازهگیریای فراهم میکند که فوراً به این سؤالات پاسخ میدهد.
به عنوان مثال، وسوسهانگیز است که به جای رویکرد سنتی جایگزینی آرگومانها، از ویژگی بستهبندی و بازپاکسازی تاپل استفاده شود. ماژول timeit به سرعت یک مزیت عملکردی متوسط را نشان میدهد:
>>> from timeit import Timer
>>> Timer('t=a; a=b; b=t', 'a=1; b=2').timeit()
0.57535828626024577
>>> Timer('a,b = b,a', 'a=1; b=2').timeit()
0.54962537085770791
در مقابل سطح جزئی Granularity timeit، ماژولهای profile و pstats ابزارهایی برای شناسایی بخشهای حیاتی از نظر زمان در بلوکهای بزرگتر کد فراهم میکنند.
این محتوا کاملا رایگان توسط تیم کدلپر ترجمه شده و در اختیار شما کاربران عزیز قرار گرفته است، هر گونه کپی برداری برای مقاصد غیر رایگان و بدون ذکر منبع، مورد پیگیری قانونی قرار میگیرد.
ترجمه شده از منبع: https://docs.python.org/3/tutorial