timeit.timeit()最适合测小段纯计算代码的精确耗时，它自动禁用GC、多次运行取最小值以排除干扰；避免用time.time()，不适用于IO或网络操作。
timeit.timeit() 最适合测小段代码的精确耗时
直接用 timeit.timeit() 是最常见也最稳妥的选择，它自动禁用 GC、在纯净环境中重复执行多次并取最佳值，避免系统抖动干扰。别用 time.time() 手动相减——那测的是 wall-clock 时间，受调度、IO、GC 影响太大，尤其对毫秒级以下操作完全不可靠。
实操建议：
立即学习“Python免费学习笔记（深入）”；
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 把待测逻辑写成字符串传给
stmt参数，或用lambda匿名函数（推荐后者，避免字符串拼接出错） - 用
setup参数预加载依赖，比如import numpy as np或构造测试数据，它只运行一次，不计入耗时 - 显式指定
number=1000000，别依赖默认值（Python 3.12+ 默认是 100 万，但老版本只有 100 万 / 10 万不等） - 如果函数带参数，用
lambda封装：比如测sorted(lst)，写成lambda: sorted(lst)，别写"sorted(lst)"然后指望setup里定义lst—— 字符串模式下变量作用域容易出错
timeit.repeat() 才能发现不稳定耗时的波动范围
单次 timeit.timeit() 返回一个数字，但实际运行中 CPU 频率变化、缓存预热、TLB miss 都会导致结果跳变。真正判断性能差异，得看分布，不是看均值。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
timeit.repeat(repeat=5, number=100000)，得到 5 个耗时值，取最小值（min()）作为基准——这是 timeit 的设计哲学：排除偶然干扰后的“最佳可能”耗时 - 如果 5 次结果方差很大（比如最大值是最小值的 3 倍），说明代码受外部因素影响严重，比如触发了 GC、发生了页错误，或者用了非固定时间算法（如 dict 查找碰撞）
- 别直接比两个
timeit.timeit()的返回值大小，误差可能掩盖真实差异；要对比两组repeat()的最小值，且 number 要足够大，让总耗时 ≥ 0.2 秒，减少计时器本身开销占比
命令行调用 timeit.py 更适合快速比对不同写法
写脚本前先在终端试一试，省得反复改文件、跑 Python。命令行模式天然隔离环境，还能直接 import 模块、引用已安装包里的函数。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 基础格式：
python -m timeit -s "import re" "re.search('a+', 'aaab')"，-s是 setup，后面是 stmt - 想测多行语句？用分号连接，或把 stmt 写成三引号字符串（注意 shell 引号嵌套问题），更稳的方式是：用
-c指定自定义代码文件路径 - 加
-n 100000 -r 3显式控制次数和轮数，避免依赖默认行为；加-v看每轮详细结果，方便诊断异常波动 - 注意 shell 对特殊字符（如
$、!）的解释，Linux/macOS 下用单引号包裹 stmt，Windows cmd 用双引号，PowerShell 则需额外转义
timeit 不适合测含 IO、网络、sleep 的代码
timeit 的设计目标是纯计算密集型微基准（micro-benchmark）。一旦涉及磁盘读写、HTTP 请求、锁竞争、time.sleep()，它给出的时间就既不代表吞吐也不代表延迟，只是“这段代码从开始到结束花了多久”，而这个“结束”本身就不明确——比如请求可能超时重试，日志可能异步刷盘。
这类场景该换工具：
- 测接口延迟：用
requests+time.perf_counter()手动包住请求前后，记录真实端到端耗时 - 测文件处理流水线：用
cProfile定位瓶颈函数，再对关键纯计算部分用timeit深挖 - 测并发行为：用
asyncio自带的timeit兼容方式，或pytest-benchmark这类支持 setup/teardown 的框架，确保每次运行都重置状态
最容易被忽略的是：timeit 默认关闭 GC，但如果你测的代码本身会大量创建短生命周期对象（比如列表推导式生成百万个 int），关 GC 反而让结果失真——这时得手动在 setup 里加 import gc; gc.enable()，并在 stmt 开头调用 gc.collect() 模拟真实压力。
