我想知道IPython
%timeit命令来自文档：
%timeit [-n<N> -r<R> [-t|-c] -q -p<P> -o] setup_code选项：
-n：在循环中执行给定的语句时间。如果没有给出此值，则选择一个拟合值。
-R：重复循环迭代时间，并取得最佳结果。默认值：3
例如，如果我写：
%timeit -n 250 -r 2 [i+1 for i in range(5000)]
那么，-n 250执行[i+1 for i in range(5000)] 250次？那么-r 2？
它指定重复的数量，使用重复次数来确定平均值。例如：
%timeit -n 250 a = 2
# 61.9 ns ± 1.01 ns per loop (mean ± std. dev. of 7 runs, 250 loops each)
%timeit -n 250 -r 2 a = 2
# 62.6 ns ± 0 ns per loop (mean ± std. dev. of 2 runs, 250 loops each)
执行次数将为n * r，但统计量基于repeats（r）的数量，但是每个重复的" loops"数量是基于number（n）确定的。
基本上，您需要足够大的n，因此循环数量的最小数量是准确的"足够"以表示最快的执行时间，但是您还需要足够大的r，以获得准确的"统计信息"，以"统计"有关"多么可信赖"。最快可能的执行时间"是"测量"（特别是如果您怀疑可能发生一些缓存）。
对于浅表时间，您应该始终使用3，5或7的r（在大多数情况下，大多数情况很大），然后选择尽可能高的n - 但不太高，您可能希望它在合理的时间内完成： - ）
timeit -n 250 <statement>
该语句将被执行3 * 250 = 750次（-r的默认值为3）
timeit -n 250 -r 4 <statement>
该语句将被执行4 * 250 = 1000次
-r-重复计时器多少次（在上面的示例中，每次使用-n 250调用计时器，这意味着250个执行）
在这种情况下，解释的一种更统计的解释方法是对某些统计数据的分布（特别是其平均值和标准偏差）的估计：" R"可以看作是样品的数量和" n"作为每个样品的大小。