Python性能基准测试是代码优化过程中非常重要的环节，准确的测试结果能帮助开发者定位性能瓶颈，判断优化方案是否有效。很多新手会直接用time模块计算代码执行前后的时间差，这种方式存在很多局限性，无法得到可靠的测试数据。
为什么不能用简单时间差做基准测试
直接使用time.time()计算时间差的方式，会受到系统调度、其他运行进程、Python解释器预热等多种因素影响，测试结果的波动会非常大。比如下面这种常见的错误测试方式：
import time
def test_func():
total = 0
for i in range(10000):
total += i
return total
start = time.time()
test_func()
end = time.time()
print(f"执行时间: {end - start}秒")
这种方式只执行了一次测试函数，得到的结果完全不能代表函数的真实性能，而且如果系统此时有其他高负载进程运行，得到的时间会明显偏大。
常用的Python性能基准测试工具
1. timeit模块
timeit是Python标准库自带的基准测试工具，它会自动禁用垃圾回收，多次执行测试代码，排除外部干扰，得到更稳定的结果。基本用法如下：
import timeit
def add_sum():
total = 0
for i in range(10000):
total += i
return total
# 执行10000次测试，返回总执行时间
total_time = timeit.timeit(add_sum, number=10000)
print(f"10000次执行总时间: {total_time}秒")
print(f"单次平均执行时间: {total_time / 10000}秒")
timeit默认会执行100万次测试代码，并且会自动处理Python解释器的预热问题，适合测试小段代码的性能。
2. pytest-benchmark插件
如果项目使用pytest做测试，那么pytest-benchmark是非常方便的基准测试插件，它可以和普通的测试用例结合，自动输出详细的性能统计信息，包括最小时间、最大时间、平均时间、标准差等。使用前需要先安装插件：
pip install pytest_benchmark
编写测试用例的示例如下：
def test_add_perf(benchmark):
def add_sum():
total = 0
for i in range(10000):
total += i
return total
# 执行基准测试
result = benchmark(add_sum)
# 可以验证函数返回结果是否正确
assert result == 49995000
运行pytest命令后，会输出类似下面的统计结果：
--------------------------------- benchmark: 1 tests ---------------------------------- Name (time in us) Min Max Mean StdDev Median IQR Outliers -------------------------------------------------------------------------------------- test_add_perf 102.345 156.789 110.234 8.901 108.123 10.234 1;2 --------------------------------------------------------------------------------------
性能基准测试的注意事项
- 控制测试变量：测试时尽量关闭其他不必要的进程，保持系统环境稳定，避免其他程序占用CPU、内存资源影响测试结果。
- 多次测试取统计值：单次测试结果没有参考意义，需要多次执行测试，取平均时间、中位数等统计值，同时关注标准差，标准差过大说明测试结果波动大，可信度低。
- 测试真实场景：基准测试的代码要和实际使用场景一致，比如实际场景中函数会接收不同的参数，测试时也要覆盖不同的参数情况，不要只测试最优情况。
- 避免测试无关逻辑：测试代码要只包含需要测试的目标逻辑，不要包含打印、日志输出、文件读写等无关操作，这些操作会额外消耗时间，干扰测试结果。
不同场景的测试方案选择
如果是测试小段独立代码的性能，优先选择timeit模块，它是标准库无需额外安装，使用简单。如果是项目级的性能测试，已经使用了pytest框架，那么选择pytest-benchmark更合适，它可以和现有测试用例整合，方便持续跟踪性能变化。如果需要测试异步代码的性能，还可以选择pytest-asyncio结合pytest-benchmark，或者使用专门的异步基准测试工具。
正确的性能基准测试能为代码优化提供明确的方向，避免盲目优化。开发者需要根据测试场景选择合适的工具，遵循测试规范，才能得到可信的测试结果，真正提升Python代码的运行效率。
Python性能基准测试timeitpytest_benchmark代码优化修改时间：2026-07-11 22:18:22