Jupyter %timeit为何报告均值而非最优值？能否修改设置？

为什么%timeit的行为和预期不符？ #

timeit模块的设计原则明确指出：最小值是代码运行的极限性能下限，更高的耗时通常来自其他进程的干扰，因此仅关注最小值是更合理的性能评估方式。而IPython的%timeit魔法命令文档中关于-r<R>参数的“take the best result”描述容易产生误解——它仅用于自动调整循环次数<N>的阶段：在确定每次重复要运行多少个循环时，会选取最快的那次重复来确定合适的<N>，避免循环次数过少导致误差或过多导致耗时。最终输出的mean ± std是所有R次重复运行的统计结果，这是IPython对timeit模块的封装逻辑，并非与timeit的设计原则冲突，只是呈现方式不同。

如何修改设置让%timeit报告最小值？ #

有两种实用的方法：

方法1：使用-o参数获取结果对象 #

%timeit的-o参数会返回一个TimeitResult对象，其中包含所有运行的原始数据，我们可以直接提取最小值：

# 执行计时并保存结果
result = %timeit -o u is None
# 输出最小单次循环时间（转换为纳秒）
print(f"最小单次循环时间: {result.best * 1e9:.2f} ns per loop")

该对象的best属性已经换算为单次循环的最小耗时，无需手动除以循环次数。

方法2：直接调用timeit模块API手动计算 #

如果需要更灵活的控制逻辑，可以直接使用Python标准库的timeit模块，手动计算最小值：

from functools import partial
from timeit import Timer
from statistics import mean

approaches = [...]  # 你的测试代码片段列表
data = [...]       # 测试用输入数据
number_of_repetitions = 7

approach_times_min = {}
approach_times_mean = {}

for approach in approaches:
    function = partial(approach, *data)
    # 每次重复运行10次目标代码，共重复7次
    times = Timer(function).repeat(repeat=number_of_repetitions, number=10)
    # 计算单次循环的最小/平均耗时
    approach_times_min[approach] = min(times) / 10
    approach_times_mean[approach] = mean(times) / 10

这种方式完全遵循timeit的设计原则，精准获取最小值。

差异影响说明 #

从你提供的执行时间对比图可以看到，均值和最小值的差异可能导致性能评估结论出现偏差，因此在需要精准衡量代码极限性能时，优先选用最小值作为参考。

内容的提问来源于stack exchange，提问作者Sebastian Wozny