我想得到的时间花在单元格执行除了原始的输出从单元格。
为此，我尝试了%%timeit -r1 -n1，但它没有公开在cell中定义的变量。
%%time适用于只包含1条语句的cell。
In[1]: %%time
1
CPU times: user 4 µs, sys: 0 ns, total: 4 µs
Wall time: 5.96 µs
Out[1]: 1
In[2]: %%time
# Notice there is no out result in this case.
x = 1
x
CPU times: user 3 µs, sys: 0 ns, total: 3 µs
Wall time: 5.96 µs
最好的方法是什么?
更新
我已经在nbeextension中使用执行时间相当长一段时间了。这是伟大的。
更新2021 - 03
到目前为止，这是正确的答案。从本质上讲，%%time和%%timeit现在都像预期的那样工作。
当前回答
你可能还想查看python的剖析魔法命令% prunit给出类似-的东西
def sum_of_lists(N):
total = 0
for i in range(5):
L = [j ^ (j >> i) for j in range(N)]
total += sum(L)
return total
然后
%prun sum_of_lists(1000000)
将返回
14 function calls in 0.714 seconds
Ordered by: internal time
ncalls tottime percall cumtime percall filename:lineno(function)
5 0.599 0.120 0.599 0.120 <ipython-input-19>:4(<listcomp>)
5 0.064 0.013 0.064 0.013 {built-in method sum}
1 0.036 0.036 0.699 0.699 <ipython-input-19>:1(sum_of_lists)
1 0.014 0.014 0.714 0.714 <string>:1(<module>)
1 0.000 0.000 0.714 0.714 {built-in method exec}
我发现它在处理大块代码时很有用。
其他回答
在ipython notebook中测量单元格执行时间的最简单方法是使用ipython-autotime包。
安装包在笔记本的开始
pip install ipython-autotime
然后通过下面运行加载扩展
%load_ext autotime
一旦加载了它，在此之后运行的任何单元格都将给出该单元格的执行时间。
不要担心，如果你想关闭它，只需卸载扩展运行下面
%unload_ext autotime
这是相当简单和容易使用它，只要你想。
如果你想了解更多，可以参考ipython-autime文档或其github源代码
%time和%timeit现在成为ipython内置魔法命令的一部分
如果你想打印壁单元格的执行时间，这里有一个技巧， 使用
%%time
<--code goes here-->
但这里要确保，%%time是一个神奇的函数， 所以把它放在代码的第一行。
如果你把它放在代码的某行之后它就会给你 使用错误，不能工作。
这只是旧版本的一个问题。
您现在需要做的就是在单元格的顶部放置%%time。
%%time表示运行某项操作所花费的时间。它更适合报告长时间运行的操作，而不是进行低级优化。
%%timeit是一个基准测试工具，它可以反复运行语句，以给出某些语句的平均运行时间以及标准偏差。由于语句重复执行的方式，在%%timeit单元格中创建的变量在其他单元格中不可用。
%%timeit使用python timeit模块。医生说，
它避免了 用于测量执行时间的常见陷阱的数量。另见蒂姆·彼得斯 Python Cookbook中“算法”章节的介绍，由 O ' reilly。
我希望该模块仍然是相关的，因为它所引用的参考描述了诸如(1)Windows 98只更新time.time() 18.2次每秒的解决方案，以及(2)将所有语句阻塞到一行上，以避免增加行号计数器的字节码开销。
目前排名最高的答案，以及其他一些过时的答案——应该删除，因为它们现在非常具有误导性——确实有有用的评论，表明这些答案是不正确的:
即使没有打印最后一个语句，%%time也可以工作 现在将测试单元格中的变量考虑到下一个单元格中
你可能还想查看python的剖析魔法命令% prunit给出类似-的东西
def sum_of_lists(N):
total = 0
for i in range(5):
L = [j ^ (j >> i) for j in range(N)]
total += sum(L)
return total
然后
%prun sum_of_lists(1000000)
将返回
14 function calls in 0.714 seconds
Ordered by: internal time
ncalls tottime percall cumtime percall filename:lineno(function)
5 0.599 0.120 0.599 0.120 <ipython-input-19>:4(<listcomp>)
5 0.064 0.013 0.064 0.013 {built-in method sum}
1 0.036 0.036 0.699 0.699 <ipython-input-19>:1(sum_of_lists)
1 0.014 0.014 0.714 0.714 <string>:1(<module>)
1 0.000 0.000 0.714 0.714 {built-in method exec}
我发现它在处理大块代码时很有用。
