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
更简单的方法是使用jupyter_contrib_nbextensions包中的ExecuteTime插件。
pip install jupyter_contrib_nbextensions
jupyter contrib nbextension install --user
jupyter nbextension enable execute_time/ExecuteTime
其他回答
使用细胞魔法和这个项目在github由菲利普云:
通过将它放在你笔记本的顶部来加载它，或者将它放在你的配置文件中，如果你总是默认加载它:
%install_ext https://raw.github.com/cpcloud/ipython-autotime/master/autotime.py
%load_ext autotime
如果加载，后续单元格执行的每个输出都将包括执行它所花费的时间(以分钟和秒为单位)。
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
import time
start = time.time()
"the code you want to test stays here"
end = time.time()
print(end - start)
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。
