为什么Python中的执行时间在每次运行时给出不同的结果？

Question

我有一个有正负值的列的数据框架。我想找到负值的索引位置。我这里有两种方法，我试图找出哪一种方法是最好的和最快的。我的代码是：

import pandas as pd
import time

df = pd.DataFrame({'Current': [1, 3, -4, 9, -3, 1, -2]})

# Method-1
start1 = time.time()
neg_index1 = df[(df["Current"]<0)].index.tolist()
print(neg_index1)
end1 = time.time()
print("Method-1 time is = ",end1 - start1)

# Method-2
start2 = time.time()
neg_index2 = df.iloc[df["Current"].lt(0).values].index.tolist()
print(neg_index2)
end2 = time.time()
print("Method-2 time is = ",end2 - start2)

在这里，第一次执行和方法-2的输出速度更快：

[2, 4, 6]
Method-1 time is =  0.002000093460083008 
[2, 4, 6]
Method-2 time is =  0.0009999275207519531

在第二次执行时输出，有趣的是，两个时钟同时进行：

[2, 4, 6]
Method-1 time is =  0.0009999275207519531
[2, 4, 6]
Method-2 time is =  0.0009999275207519531

第四次执行时的输出和令人惊讶的方法-1在这里更快：

[2, 4, 6]
Method-1 time is =  0.0009999275207519531
[2, 4, 6]
Method-2 time is =  0.0019998550415039062

一些解释和帮助，以了解哪种方法更快？

Answer 1

我更喜欢使用np.where

np.where(df['Current']<0)[0].tolist()

也不要使用time.time使用timeit

import pandas as pd, numpy as np
import timeit

df = pd.DataFrame({'Current': [1, 3, -4, 9, -3, 1, -2]})

# Method-1
neg_index1 = df[(df["Current"]<0)].index.tolist()
print(neg_index1)
print("Method-1 time is = ",timeit.timeit(lambda: df[(df["Current"]<0)].index.tolist(),number=10))

# Method-2
neg_index2 = df.iloc[df["Current"].lt(0).values].index.tolist()
print(neg_index2)
print("Method-2 time is = ",timeit.timeit(lambda: df.iloc[df["Current"].lt(0).values].index.tolist(),number=10))

# Method-3
neg_index2 = np.where(df['Current']<0)[0].tolist()
print(neg_index2)
print("Method-3 time is = ",timeit.timeit(lambda: np.where(df['Current']<0)[0].tolist(),number=10))

输出：

[2, 4, 6]
Method-1 time is =  0.0211404744016608
[2, 4, 6]
Method-2 time is =  0.02377961247025239
[2, 4, 6]
Method-3 time is =  0.007515077367731743

所以np.where赢得了巨大的胜利！

Answer 2

在测量每次执行所需的时间时，可能会有其他流程消耗资源。垃圾收集器也可能在随机点启动，扭曲结果。因此，永远不要使用time.time()来比较性能。

使用timeit.timeit来测量性能。它多次重复代码运行，并测量每次运行所需的平均时间，从而提供更好的结果。它还禁用运行期间的垃圾收集。