Python timeit函数使用疑问：结果随number增长及首轮性能异常

1. 对timeit.timeit()返回值的误解 #

你搞错了timeit.timeit()的返回值：它返回的是执行number次代码片段的总耗时，不是你以为的“n次单轮中的最优时间”。所以结果随n成比例增长是完全正常的行为，这是核心理解偏差。

2. 第一次运行慢的原因 #

第一次调用timeit时，Python会产生额外的初始化开销：比如编译代码字符串为代码对象、加载相关内部逻辑的开销。后续调用时这些初始化已经完成，所以耗时会大幅降低，这就是你看到蓝色线条（第一组）慢一个数量级的原因。

3. 修正用法与代码示例 #

如果你想得到单轮代码的最优/平均耗时，有两种常见方式：

方式一：让timeit自动调整运行次数（推荐）

使用Timer.autorange()，它会自动选择合适的number值，确保总耗时足够稳定，再计算单轮时间：

import timeit
import matplotlib.pyplot as plt

def get_single_run_time(code):
    timer = timeit.Timer(code)
    total_time, run_count = timer.autorange()
    return total_time / run_count

# 测试10轮
single_times = [get_single_run_time("pass") for _ in range(10)]
print("单轮pass的最优时间:", min(single_times))

# 对比不同number下的单轮时间
n_values = [10**i for i in range(8)]
t_values = []
# 先预热一次，消除初始化开销
timeit.timeit("pass", number=1)
for _ in range(10):
    single_run_times = [timeit.timeit("pass", number=n)/n for n in n_values]
    t_values.append(single_run_times)

for t in t_values:
    plt.plot(n_values, t)
plt.xlabel('单次测试的执行次数')
plt.ylabel('单轮"pass"的平均耗时（秒）')
plt.title('单轮"pass"执行耗时对比')
plt.xscale('log')
plt.yscale('log')
plt.grid(True, which='both', linestyle='--', linewidth=0.5)
plt.show()

方式二：手动计算单轮时间

如果你坚持固定number，只需将总耗时除以number，得到单轮平均时间，再多次运行取最优值即可。

关键修正点 #

• 增加预热调用：在正式测试前先跑一次timeit.timeit("pass", number=1)，把初始化开销提前消耗掉，避免第一轮结果异常。
• 计算单轮时间：总耗时除以执行次数，得到单轮的平均耗时，这样结果会趋近于代码真实的单轮执行时间，不会随n线性增长。

内容的提问来源于stack exchange，提问作者Harry van Langen