python记录程序运行时间的两种方法

博客介绍了两种记录程序运行时间的方法。一是使用Python自带的time库记录起始和结束时间;二是调用OpenCV中的时间函数来记录时间,均与信息技术相关。

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

方法一

import time
start = time.perf_counter()    //起始时间
x=10
y=x*x*x                        //要运行的代码块
end = time.perf_counter()      //结束时间
print('%.10f'%(end - start))   //输出运行时间,精确到小数点后十位

使用python自带的time库记录程序运行的起始和结束时间

方法二

import cv2
    
start = cv2.getTickCount()       //起始时间
x=10
y=x*x*x                          //代码块
end = cv2.getTickCount()         //结束时间
t='%.10f'%((end-start)/cv2.getTickFrequency()) //时间间隔除以周期,换算成秒为单位
print(t)

调用opencv中的时间函数记录时间

### 如何在Python中测量程序执行时间 为了精确地测量一段代码或函数的执行时间,在Python中有多种方法可以实现这一目标。一种常见的方式是使用`timeit`模块中的功能来获取更稳定可靠的计时数据[^1]。 下面展示了一个具体的例子,该实例定义了名为`test_perf`的函数用于测试给定模块的性能表现: ```python import timeit import numpy as np def test_perf(module): timing_number = 10 timing_repeat = 10 # 对指定的操作重复多次取平均值以获得更加准确的结果 timing_results_list = ( np.array( timeit.Timer(lambda: module.run()).repeat( repeat=timing_repeat, number=timing_number)) * 1000 / timing_number) timing_statistics = { "mean": np.mean(timing_results_list), "median": np.median(timing_results_list), "std": np.std(timing_results_list), } return timing_statistics ``` 此段代码通过设置循环次数(`number`)以及重复实验次数(`repeat`)来进行多轮次的时间记录,并最终计算出均值(mean)、中位数(median)和标准差(std),从而提供了一组统计数据以便更好地理解被测对象的实际运行效率。 对于简单的场景下如果只需要快速得到单次执行耗时,则可以直接采用内置库`time`: ```python import time start_time = time.time() # 记录开始时刻 # 被测量部分代码... end_time = time.time() # 结束时刻 elapsed_time = end_time - start_time # 总共花费的时间 print(f"Execution Time: {elapsed_time:.6f} seconds") ``` 上述两种方式分别适用于不同需求下的性能评估任务;前者适合于追求精度并希望了解整体分布情况的应用场合,而后者则更适合那些仅需粗略估计的情况。
评论 1
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