手动实现和库函数实现的二分查找执行时间测试

继之前分别手动实现和用bisect库实现二分查找后，测试下它们执行时间究竟差别多大。
首先搞个装饰器计算时间:

def timefunc(repeat_times=1):
    if callable(repeat_times):  # @timefunc
        func = repeat_times
        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            start = time.time()
            func(*args, **kwargs)
            stop = time.time()
            # print(f'time cost: {stop - start:.5f} s')
            return stop - start
        return wrapper
    else:                       # @timefunc(...)
        assert repeat_times >= 1
        def decorator(func):
            @functools.wraps(func)
            def wrapper(*args, **kwargs):
                start = time.time()
                [func(*args, **kwargs) for _ in range(repeat_times)]
                stop = time.time()
                # print(f'average time cost: {(stop - start) / repeat_times:.5f} s')
                return (stop - start) / repeat_times
            return wrapper
        return decorator

这是一个装饰器基本的实现，使用了一组if-else来区分带参数和不带参数的装饰器。(自卖自夸:D 我之前也写了一篇文章简单介绍了装饰器)
现在使用带参数的装饰器来测试平均执行时间。

@timefunc(repeat_times=100)
def test_manual(nums):
    k = random.choice(nums)
    binary_search_manual(nums, k)

@timefunc(repeat_times=100)
def test_bisect(nums):
    k = random.choice(nums)
    binary_search_bisect(nums, k)

次数暂定100次。其中的binary_search_manual(nums, k)和binary_search_bisect(nums, k)参考之前的使用bisect实现二分查找这篇文章。
输入 list 长度取1000000，然后运行:

if __name__ == "__main__":
    nums = list(range(1000000))
    
    t1 = test_manual(nums)
    print(f'average time cost: {t1:.4e} s')
    t2 = test_bisect(nums)
    print(f'average time cost: {t2:.4e} s')

    print(f'difference: {abs(t1-t2):.4e} s')

在我的电脑上运行得到的结果如下:

average time cost: 1.0493e-04 s
average time cost: 1.3177e-05 s
difference: 9.1753e-05 s

库函数的明显快一些，不过在1000000这个量级差别不大，毕竟是二分算法。

参考资料: