Python部落(python.freelycode.com)組織翻譯，禁止轉載，歡迎轉發。
測量代碼執行時間是困難的。學習如何消除系統和随機測量誤差，并獲得更可靠的結果。
我們經常需要測量代碼的特定部分執行需要多長時間。不幸的是，簡單地測量函數調用之前和之後的系統時間并不是很嚴謹，而且容易受到系統和随機測量錯誤的影響。這對于測量非常短的間隔(< 100毫秒)來說尤其如此。
系統和随機誤差
那麼，下面這種測量方法有什麼問題呢?
首先，這裡會有一個系統誤差:通過調用time.perf_counter()， 一個未知量的時間會被加入到my_function()的執行時間中。多少時間呢?這取決于作業系統、特定的實作和其他不可控因素。
其次，還存在一個随機誤差:對my_function()調用的執行時間在一定程度上會有變化。
我們可以通過多次測量并取其平均值來抵抗随機誤差。然而，消除系統誤差的難度要大得多。
直線拟合
卡洛斯·莫雷諾和塞巴斯蒂安·菲什邁斯特提出了一種新技術來減小這種系統性錯誤。基本思想是首先測量一個函數調用的時間，然後測量兩個函數調用的時間，然後測量三個函數調用的時間，依此類推。最終的方法可能是這樣的:
然後你可以通過測量結果來拟合一條直線:
總執行時間可以通過擷取該直線y = a x + b的斜率a得到。
在上面的例子中，直線是y = 205.91 x + 29.56;是以，執行時間等于205.91毫秒。
作者指出，這種測量方法對于偶爾會出現大誤差的測量是非常可靠的。這可以通過人為地改變第4次測量并重新運作直線拟合過程來視覺化:
盡管有一個值是完全偏離的，但我們得出的斜率(201.15)仍然非常接近之前的測量值。
想要更多地了解這種方法的數學基礎知識，我邀請你閱讀這篇原創性論文：https://uwaterloo.ca/embedded-software-group/sites/ca.embedded-software-group/files/uploads/files/ieee-esl-precise-measurements.pdf
Python實作
你可以在我的公共GitLab倉庫中找到我對所展示算法的實作：https://gitlab.com/bernhard.knasmueller/accurate-time-measurements-python
這個算法和想法都要歸功于Moreno 和 Fischmeister。
編輯于2020年1月18日：更正了perf_counter()的用法。
相關文章
如何将你的PHP代碼作為一個Composer包釋出：https://knasmueller.net/how-to-publish-your-php-code-as-a-composer-package
你可以通過将你的庫作為一個composer貢獻給PHP社群來更容易地共享你的代碼…
PHP 7.3中的尾逗号：https://knasmueller.net/trailing-commas-in-php-7-3
随着新的次要版本PHP 7.3的更新，函數調用中引入了尾逗号……英文原文：https://knasmueller.net/measure-code-execution-time-accurately-in-python
譯者：憂郁的紅秋褲