Synchronisation précise pour les importations en Python

Question

Le module timeit est idéal pour mesurer le temps d'exécution de petits fragments de code, mais lorsque le code change d'état global (comme timeit), il est vraiment difficile d'obtenir des timings précis. Par exemple, si je veux chronométrer l'importation d'un module, la première importation prendra beaucoup plus de temps que les importations suivantes, car les sous-modules et les dépendances sont déjà importés et les fichiers sont déjà mis en cache. Donc, en utilisant une plus grande number de répétitions, comme dans:

>>> import timeit 
>>> timeit.timeit('import numpy', number=1) 
0.2819331711316805 

>>> # Start a new Python session: 
>>> timeit.timeit('import numpy', number=1000) 
0.3035142574359181 

ne fonctionne pas vraiment, parce que le temps pour une exécution est presque le même que pour 1000 tours. Je pouvais exécuter la commande « reload » le paquet:

>>> timeit.timeit('imp.reload(numpy)', 'import importlib as imp; import numpy', number=1000) 
3.6543283935557156 

Mais que c'est seulement 10 fois plus lent que le premier import semble indiquer qu'il est pas exact non plus. Il semble également impossible de décharger complètement un module ("Unload a module in Python"). Donc la question est: Quelle serait une façon appropriée de mesurer exactement le temps import?

Answer 1

Comme il est presque impossible de décharger complètement un module, peut-être l'inspiration derrière cette réponse est this ...

Vous pouvez exécuter une boucle dans un script python pour exécuter x fois une commande python importation numpy et un autre ne rien faire, et soustraire les deux + moyenne:

import subprocess,time 

n=100 
python_load_time = 0 
numpy_load_time = 0 

for i in range(n): 
    s = time.time() 
    subprocess.call(["python","-c","import numpy"]) 
    numpy_load_time += time.time()-s 

    s = time.time() 
    subprocess.call(["python","-c","pass"]) 
    python_load_time += time.time()-s 

print("average numpy load time = {}".format((numpy_load_time-python_load_time)/n))