⏱️ Votre code ralentit, ou avez-vous l'impression ?

L'optimisation sans mesures préalables n'est pas top. Mais pire encore, ce sont les mesures faites « à la va-vite ».

Beaucoup utilisent time.time() pour tout et obtiennent des chiffres qui n'ont rien à voir avec la réalité.

Lisez l'analyse de comment mesurer correctement les performances en Python.
Dans l'article :
▪️ Wall Time vs CPU Time : Pourquoi votre code peut « planter » pendant 5 secondes alors que le processeur n'a travaillé que 0,05 s (et que faire).
▪️ timeit : Pourquoi c'est la meilleure méthode pour les micro-benchmarks et comment l'utiliser sans honte.
▪️ Jupyter Magic : Comment mesurer la vitesse en une ligne (%timeit) si vous vivez dans les notebooks.
▪️ Asyncio : Pourquoi les méthodes standard mentent dans le code asynchrone et où trouver le bon timer loop.time().

C'est la base sans laquelle il ne faut pas se lancer dans le refactoring.

👉 Profilage et mesure du temps d'exécution du code en Python : guide complet

#rtfm