Python性能测试：timeit与default_timer的差异及准确性疑问

我是Python新手，正在寻找测试代码执行速度并对比不同实现的方法。我发现timeit库很实用，但对timeit()函数与default_timer的输出差异感到困惑。

示例1使用timeit测试maxWealth函数，输出为0.41396119981072843：

from timeit import timeit


def maxWealth(accounts):
    m = 0
    for account in accounts:
        tot = sum(account)
        if tot > m:
            m = tot
    return m


list1 = [[1, 2, 3, 5], [1, 2, 45, 6]]
print(timeit(lambda: maxWealth(list1)))

示例2使用default_timer测试，输出为6.400048732757568e-06（即0.0000064秒）：

from timeit import default_timer as timer


def maxWealth(accounts):
    m = 0
    for account in accounts:
        tot = sum(account)
        if tot > m:
            m = tot
    return m


list1 = [[1, 2, 3, 5], [1, 2, 45, 6]]
start = timer()
result = maxWealth(list1)
stop = timer()
print(stop-start)

我发现timeit的测量结果更稳定，但二者数值差异极大。根据文档，两者都使用Timer实例，为何会有此差异？哪种方法更准确？

核心差异在于执行次数：

• timeit()函数默认会重复执行目标代码100万次（可通过number参数修改），你看到的0.41秒是这100万次执行的总耗时。
• 而你的default_timer代码只执行了1次函数，得到的是单次执行的耗时。

这就是数值差距巨大的原因，并非两者的计时精度有本质区别——timeit底层确实会用到default_timer来计时，但它会自动重复多次执行，再返回总耗时（或平均耗时，取决于是否使用repeat参数）。

关于准确性：

• 对于快速执行的代码（比如你的maxWealth，单次耗时仅微秒级），单次测量的误差会非常大——操作系统的进程调度、后台任务都会干扰结果，所以timeit的多次重复测量结果更稳定、更可信。
• 若需要单次执行的真实耗时，default_timer是合适的，但建议多次测量取平均值来减少误差；若要对比不同代码实现的性能，timeit是更省心的选择，它会自动处理重复执行、减少环境干扰，还能避免一些常见计时陷阱（比如函数定义开销、垃圾回收影响）。

总结：

• 测单次执行耗时：用default_timer，多测几次取平均。
• 对比代码性能/找最优实现：用timeit，重复执行机制能给出更可靠的对比结果。

内容的提问来源于stack exchange，提问作者Simone Gheller