python装饰器实现函数运行时间统计

本文介绍了一个使用Python实现的装饰器,该装饰器能够测量并打印函数执行的时间,通过注解方式轻松应用于任意函数,有助于理解和优化代码执行效率。
import time
from functools import wraps
import random


# 装饰器函数
def print_info(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        duration_time = end_time - start_time
        print("execute time running %s: %s seconds" % (func.__name__, duration_time))
        return result

    return wrapper


# 通过注解方式声明使用装饰器
@print_info
def random_sort_1(n):
    time.sleep(3)
    return sorted([random.random() for i in range(n)])


if __name__ == "__main__":
    x = random_sort_1(100)
    print(x)

 

<think> 我们被要求实现一个计算函数运行时间装饰器。根据引用的内容,我们可以总结出以下几个关键点: 1. 装饰器需要记录函数开始执行前的时间函数执行结束后的时间。 2. 计算时间差,并打印(或记录)函数执行时间。 3. 为了保留原函数的元信息(如函数名、文档字符串等),应使用`functools.wraps`装饰器装饰内部函数。 4. 装饰器应能够处理带参数和不带参数的函数。 下面我们将按照这些要求编写装饰器代码,并给出一个示例。 我们将实现一个名为`timer`的装饰器,它将在函数执行前后记录时间,并打印函数执行时间(以秒为单位,并保留4位小数)。 步骤: 1. 导入time模块和functools模块的wraps。 2. 定义装饰器函数`timer`,它接受一个函数作为参数。 3. 在装饰器内部,使用`@wraps(func)`来装饰内部函数,这样能保留原函数的元信息。 4. 在内部函数(通常命名为wrapper)中,记录开始时间执行函数,记录结束时间,计算并打印执行时间。 5. 返回内部函数。 代码实现如下: </think> ### Python计算函数运行时间装饰器实现Python中,我们可以使用装饰器(decorator)来优雅地计算函数运行时间装饰器本质上是一个接受函数作为参数并返回新函数的高阶函数,特别适合用于添加通用功能(如计时)而不改变原函数代码。以下是三种实现方式: #### 1. 基本实现(无元信息保留) ```python import time def timer_basic(func): def wrapper(*args, **kwargs): start_time = time.time() result = func(*args, **kwargs) # 执行原始函数 end_time = time.time() print(f"[BASIC] {func.__name__} 执行时间: {end_time - start_time:.6f}秒") return result return wrapper @timer_basic def calculate_sum(n): return sum(range(n)) calculate_sum(1000000) ``` **输出示例**: ``` [BASIC] calculate_sum 执行时间: 0.032267秒 ``` #### 2. 保留函数元信息(推荐) ```python import time from functools import wraps def timer_advanced(func): @wraps(func) # 保留原始函数的元信息 def wrapper(*args, **kwargs): start_time = time.perf_counter() # 更高精度计时器 result = func(*args, **kwargs) end_time = time.perf_counter() print(f"[ADVANCED] {func.__name__} 执行时间: {end_time - start_time:.6f}秒") return result return wrapper @timer_advanced def generate_list(n): return [i**2 for i in range(n)] generate_list(100000) ``` #### 3. 带时间单位转换的通用装饰器 ```python import time from functools import wraps def timer(unit='ms'): # 接受参数的装饰器工厂 def decorator(func): @wraps(func) def wrapper(*args, **kwargs): start = time.perf_counter_ns() result = func(*args, **kwargs) elapsed = time.perf_counter_ns() - start # 时间单位转换 factors = {'ns': 1, 'μs': 1e3, 'ms': 1e6, 's': 1e9} value = elapsed / factors.get(unit, 1e6) print(f"[{unit.upper()}] {func.__name__} 执行时间: {value:.3f}{unit}") return result return wrapper return decorator @timer(unit='μs') # 指定微秒单位 def fast_operation(): return sum(i*i for i in range(1000)) fast_operation() ``` ### 关键实现说明: 1. **时间精度选择**: - `time.time()`:基本时间戳(秒) - `time.perf_counter()`:更高精度的计时器 - `time.perf_counter_ns()`:纳秒级精度(Python 3.7+) 2. **元信息保留**: - 使用`@functools.wraps(func)`保留原始函数的`__name__`、`__doc__`等属性 - 避免调试时出现混淆的函数标识[^4] 3. **通用参数处理**: - `*args, **kwargs`确保装饰器适用于任何参数签名的函数 - 多层嵌套实现可配置参数的装饰器工厂 4. **应用场景**: - 性能分析 - 代码优化热点定位 - 算法复杂度验证 - 监控生产环境函数性能 > **最佳实践建议**:对于生产环境,建议将`print()`替换为日志记录(如`logging`模块),避免标准输出影响性能[^1][^3]。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值