IPython中%timeit的-r（重复）与-n（循环）选项差异问询

一、-n 和 -r 的核心区别 #

• -n 是单次重复内的循环次数：每一轮重复会连续执行目标代码n次，这个循环在同一个执行上下文里完成，核心作用是让单次重复的总时间足够长，规避计时工具的精度限制（比如代码执行太快，单次计时误差太大）。
• -r 是重复轮次：每一轮重复都会重新初始化执行环境（比如重置变量、重新加载依赖），然后执行n次循环；最终会计算r轮结果的平均值，核心作用是抵消不同轮次间的环境干扰（比如系统负载波动、内存缓存变化）。

二、与直接循环n×r次的行为差异 #

直接把代码循环n×r次，本质是只做1轮重复（等同于%timeit -n n*r -r 1），和%timeit -n n -r r的核心差异有三点：

1. 环境隔离性：直接循环全程在同一个上下文里执行，前一次循环的副作用（比如变量累积、缓存命中）会影响后续执行；而%timeit的每一轮重复都有独立环境，能避免这类干扰。
2. 结果稳定性：直接循环的结果仅反映单次长循环的耗时，容易被系统瞬时状态（比如突然的磁盘IO、CPU占用）影响；%timeit通过多轮取平均，能抵消大部分随机波动，结果更可靠。
3. 计时准确性：%timeit会自动扣除循环本身的额外开销（比如循环变量递增的时间）；直接循环的计时会包含外层循环的性能损耗，导致结果偏高。

三、设置 -n 和 -r 的关注点 #

设置 -n 时要注意 #

• 若目标代码执行极快（比如简单加减、字典查找），要把-n设大，保证单次重复的总时间至少到毫秒级，避免计时精度不足。
• 若代码本身耗时很长（比如大文件读写、复杂模型推理），-n可以设为1，避免单次重复耗时过久。
• 自动模式下，%timeit会自动调整-n的值，直到单次重复的时间足够可靠，一般不用手动干预。

设置 -r 时要注意 #

• 如果测试环境不稳定（比如后台有其他进程占用资源），增大-r的次数，通过多轮平均抵消系统波动。
• 若代码性能受缓存/状态影响大（比如第一次执行加载数据到内存，后续更快），增大-r次数，让结果更接近真实平均性能。
• 默认的-r=7在多数稳定环境下已经足够，无需随意调整。

内容的提问来源于stack exchange，提问作者DanDan面