python计算程序运行的时间方法

博客介绍了统计Python程序或代码块运行时间的需求及实现方法。主要有三种方法,对其进行比较后发现方法二精度较高,方法一性能较差。还指出不同方法包含的时间类型不同,且time.clock()和time.time()的精度因平台而异,跨平台可使用timeit。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.运用场景

在很多的时候我们需要计算我们程序的性能,这个时候我们常常需要统计程序运行的时间。下面我们就来说说怎么统计程序的运行时间。

2. 实现方法

计算Python的某个程序,或者是代码块运行的时间一般有三种方法。

方法一

import datetime
start = datetime.datetime.now()
run_function():
    # do something
 
end = datetime.datetime.now()
print (end-start)

方法二:

import time
start = time.time()
run_function()
end = time.time()
 
print str(end)

方法三:

import time
start = time.clock()
run_function()
end = time.clock()
 
print str(end-start)

方法比较

通过对以上方法的比较我们发现,方法二的精度比较高。方法一基本上是性能最差的。这个其实是和系统有关系的。一般我们推荐使用方法二和方法三。我的系统是Ubuntu,也就是Linux系统,方法二返回的是UTC时间。 在很多系统中time.time()的精度都是非常低的,包括windows。

python 的标准库手册推荐在任何情况下尽量使用time.clock().但是这个函数在windows下返回的是真实时间(wall time)

方法一和方法二都包含了其他程序使用CPU的时间。方法三只计算了程序运行CPU的时间。

方法二和方法三都返回的是浮点数

那究竟 time.clock() 跟 time.time(),谁比较精确呢?带着疑问,查了 Python 的 time 模块文档,当中 clock() 方法有这样的解释:
来自官方文档:
在这里插入图片描述
time.clock() 返回的是处理器时间,而因为 Unix 中 jiffy 的缘故,所以精度不会太高。clock转秒,除以1000000。

究竟是使用 time.clock() 精度高,还是使用 time.time() 精度更高,要视乎所在的平台来决定。总概来讲,在 Unix 系统中,建议使用 time.time(),在 Windows 系统中,建议使用 time.clock()。

我们要实现跨平台的精度性,我们可以使用timeit 来代替time.

import timeit
 
start = timeit.default_timer()
do_func()
end = timeit.default_timer()
print str(end-start)
### 如何在 Python 中测量代码执行时间 #### 使用 `time` 模块测量代码执行时间 一种简单的方式是利用 Python 的内置 `time` 模块来获取当前的时间戳,在代码片段前后分别调用一次,之后相减即可得到这段代码的大致耗时。 ```python import time start_time = time.time() # 获取开始时间 for i in range(0, 1000000): pass end_time = time.time() # 获取结束时间 execution_time = end_time - start_time # 计算运行时间 print(f"代码运行时间: {execution_time}秒") # 输出运行时间[^1] ``` 这种方法适用于快速估算一小段代码的执行速度,但对于更精确的需求来说可能不够准确,因为这会受到其他进程干扰的影响。 #### 利用高阶函数封装测量逻辑 对于希望重复使用的场景,可以创建一个名为 `measure_runtime` 的辅助函数,它接收另一个函数作为参数,并返回该函数执行所需要的时间: ```python import time def measure_runtime(func): time_start = time.time() func() time_end = time.time() print(time_end - time_start) def powers(limit): return [x ** 2 for x in range(limit)] measure_runtime(lambda: powers(5000000)) # 调用并打印结果 ``` 这种方式不仅简化了每次都需要手动记录起始时间和终止时间的过程,还提高了代码可读性和重用率[^3]。 #### 更加精准的选择——`timeit` 模块 当追求更高的精度以及更加科学严谨的结果分析时,则推荐采用标准库中的 `timeit` 模块来进行测试。此工具专为评估小段代码的速度而设计,能够自动多次运行待测语句以减少偶然误差带来的影响。 ```python from timeit import Timer t = Timer("sum([i*i for i in range(500)])", "gc.enable()") print(t.repeat(repeat=3, number=1000)) ``` 上述实例展示了如何设置计时器对象并通过其 `repeat()` 方法获得一组实验数据;其中 `number` 参数指定了单次迭代次数,默认值为百万级,而 `repeat` 控制总的循环轮数以便取平均值降低随机波动造成的偏差[^4]。
评论
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