Python中PT()函数的运算速度与效率对比

在Python中，timeit模块是用于衡量代码片段的执行时间的工具。它在全局命名空间中运行所提供的代码，并且多次重复执行以获得更准确的结果。下面将使用timeit模块来比较两个Python函数的运算速度和效率。

我们将比较的两个函数是PT()和PT_optimized()，它们的作用是计算从1到n的所有质数的列表。PT()函数是一个简单的实现，而PT_optimized()是经过优化的版本。

首先，我们来定义这两个函数：

def PT(n):
    primes = []
    for i in range(2, n+1):
        is_prime = True
        for j in range(2, int(i**0.5)+1):
            if i % j == 0:
                is_prime = False
                break
        if is_prime:
            primes.append(i)
    return primes

def PT_optimized(n):
    primes = []
    sieve = [True] * (n+1)
    sieve[0] = sieve[1] = False
    for i in range(2, int(n**0.5)+1):
        if sieve[i]:
            for j in range(i*i, n+1, i):
                sieve[j] = False
    primes = [i for i in range(2, n+1) if sieve[i]]
    return primes

接下来，我们可以使用timeit模块来比较它们的运行时间。假设我们要计算1到10000的所有质数，并比较两个函数的效率：

import timeit

time1 = timeit.timeit('PT(10000)', globals=globals(), number=1000)
time2 = timeit.timeit('PT_optimized(10000)', globals=globals(), number=1000)

print('PT()函数执行时间: ', time1)
print('PT_optimized()函数执行时间: ', time2)

在上面的例子中，timeit.timeit()函数的 个参数是要执行的代码片段，第二个参数是全局命名空间，第三个参数是函数执行的次数。timeit.timeit()函数将返回代码片段的执行时间。

通过运行上面的代码片段，我们可以比较两个函数的运行时间。较小的执行时间会表示较高的效率。

此外，我们还可以使用timeit模块的其他函数来进行更详细的性能分析，例如repeat()函数和default_timer()函数。

总之，通过使用timeit模块，我们可以很方便地比较代码片段的运行时间，并且可以进行深入的性能分析，以提高代码的效率。对于计算密集型任务或需要优化的代码，这是一个非常有用的工具。