python如何统计所用时间

Python统计所用时间的方式包括：使用time模块、使用datetime模块、使用timeit模块。 其中，使用time模块是最常见的方法之一。time模块提供了简单而有效的方法来测量代码执行时间。以下是详细介绍如何使用time模块来统计代码执行时间。

使用time模块统计代码执行时间的步骤如下：

在代码开始前调用 time.time() 获取当前时间戳。
在代码结束后再次调用 time.time() 获取当前时间戳。
计算两个时间戳之间的差值，即为代码执行时间。

import time
start_time = time.time()
需要测量的代码块
end_time = time.time()
execution_time = end_time - start_time
print(f"代码执行时间: {execution_time} 秒")

下面我们将详细介绍其他几种统计代码执行时间的方法。

一、使用time模块

time模块是Python标准库中的一个模块，提供了与时间相关的多种功能。使用time模块计算代码执行时间的方法非常简单，适用于大多数情况下的时间测量需求。

1. 基本使用

如上文所述，使用time模块的基本步骤是获取开始时间和结束时间，然后计算二者的差值。以下示例展示了如何使用time模块来测量一段代码的执行时间：

import time
记录开始时间
start_time = time.time()
待测代码块
for i in range(1000000):
    pass
记录结束时间
end_time = time.time()
计算执行时间
execution_time = end_time - start_time
print(f"代码执行时间: {execution_time:.6f} 秒")

2. 使用time.perf_counter()

time模块还提供了一个高精度的时间函数 time.perf_counter()，用于测量短时间间隔。相较于 time.time()， time.perf_counter() 更适合用于高精度的时间测量。

import time
记录开始时间
start_time = time.perf_counter()
待测代码块
for i in range(1000000):
    pass
记录结束时间
end_time = time.perf_counter()
计算执行时间
execution_time = end_time - start_time
print(f"代码执行时间: {execution_time:.6f} 秒")

二、使用datetime模块

datetime模块也是Python标准库中的一个模块，提供了日期和时间处理的功能。与time模块类似，datetime模块也可以用于测量代码执行时间。

1. 基本使用

使用datetime模块测量代码执行时间的步骤如下：

在代码开始前调用 datetime.datetime.now() 获取当前时间。
在代码结束后再次调用 datetime.datetime.now() 获取当前时间。
计算两个时间之间的差值，即为代码执行时间。

import datetime
记录开始时间
start_time = datetime.datetime.now()
待测代码块
for i in range(1000000):
    pass
记录结束时间
end_time = datetime.datetime.now()
计算执行时间
execution_time = end_time - start_time
print(f"代码执行时间: {execution_time}")

2. 使用timedelta

datetime模块中的 timedelta 类表示两个datetime对象之间的差值。我们可以使用 timedelta 来更方便地表示和计算时间差。

import datetime
记录开始时间
start_time = datetime.datetime.now()
待测代码块
for i in range(1000000):
    pass
记录结束时间
end_time = datetime.datetime.now()
计算执行时间
execution_time = end_time - start_time
print(f"代码执行时间: {execution_time.seconds} 秒 {execution_time.microseconds} 微秒")

三、使用timeit模块

timeit模块专门用于测量小段代码的执行时间，提供了更为精确和方便的时间测量方法。它适用于性能测试和优化代码。

1. 基本使用

使用timeit模块的基本步骤是创建一个 timeit.Timer 对象，然后调用其 timeit() 方法来测量代码执行时间。

import timeit
待测代码块
code = """
for i in range(1000000):
    pass
"""
创建Timer对象
timer = timeit.Timer(code)
计算执行时间
execution_time = timer.timeit(number=1)
print(f"代码执行时间: {execution_time:.6f} 秒")

2. 使用timeit.repeat()

timeit模块还提供了 repeat() 方法，可以多次执行代码并返回每次执行的时间。它适用于需要多次测量并取平均值的情况。

import timeit
待测代码块
code = """
for i in range(1000000):
    pass
"""
创建Timer对象
timer = timeit.Timer(code)
多次执行代码并返回每次执行的时间
execution_times = timer.repeat(repeat=5, number=1)
print(f"每次执行时间: {execution_times}")
print(f"平均执行时间: {sum(execution_times) / len(execution_times):.6f} 秒")

四、使用装饰器

如果需要多次测量函数的执行时间，可以使用装饰器来简化代码。装饰器是一种Python语法糖，可以在不修改函数代码的情况下增强函数的功能。

1. 基本使用

以下示例展示了如何使用装饰器来测量函数的执行时间：

import time
def timeit(func):
    def wrapper(*args, kwargs):
        start_time = time.time()
        result = func(*args, kwargs)
        end_time = time.time()
        execution_time = end_time - start_time
        print(f"{func.__name__} 执行时间: {execution_time:.6f} 秒")
        return result
    return wrapper
@timeit
def example_function():
    for i in range(1000000):
        pass
调用函数
example_function()

2. 使用高精度时间函数

可以将装饰器与高精度的时间函数（如 time.perf_counter()）结合使用，以提高时间测量的精度。

import time
def timeit(func):
    def wrapper(*args, kwargs):
        start_time = time.perf_counter()
        result = func(*args, kwargs)
        end_time = time.perf_counter()
        execution_time = end_time - start_time
        print(f"{func.__name__} 执行时间: {execution_time:.6f} 秒")
        return result
    return wrapper
@timeit
def example_function():
    for i in range(1000000):
        pass
调用函数
example_function()

五、使用cProfile模块

cProfile模块是Python内置的一个性能分析器，可以详细分析程序的性能瓶颈和函数调用关系。使用cProfile模块可以获取每个函数的执行时间和调用次数等信息。

1. 基本使用

使用cProfile模块的基本步骤是调用 cProfile.run() 函数，并传入待测代码字符串。以下示例展示了如何使用cProfile模块来分析程序性能：

import cProfile
def example_function():
    for i in range(1000000):
        pass
分析函数性能
cProfile.run('example_function()')

2. 保存性能分析结果

cProfile模块还提供了将性能分析结果保存到文件的方法，可以使用 pstats 模块来查看和分析结果。以下示例展示了如何保存和查看性能分析结果：

import cProfile
import pstats
def example_function():
    for i in range(1000000):
        pass
保存性能分析结果到文件
cProfile.run('example_function()', 'profile_result')
查看性能分析结果
p = pstats.Stats('profile_result')
p.sort_stats('time').print_stats(10)

六、使用line_profiler模块

line_profiler模块是一个第三方的性能分析工具，可以逐行分析代码的性能。使用line_profiler模块可以精确定位代码的性能瓶颈。

1. 安装line_profiler

首先需要安装line_profiler模块，可以使用pip进行安装：

pip install line_profiler

2. 基本使用

使用line_profiler模块的基本步骤是将待测函数标记为需要分析，然后运行性能分析器。以下示例展示了如何使用line_profiler模块来分析函数性能：

import line_profiler
创建LineProfiler对象
profiler = line_profiler.LineProfiler()
def example_function():
    for i in range(1000000):
        pass
将函数标记为需要分析
profiler.add_function(example_function)
运行性能分析器
profiler.run('example_function()')
打印分析结果
profiler.print_stats()

七、使用memory_profiler模块

memory_profiler模块是一个第三方的内存分析工具，可以监控代码的内存使用情况。使用memory_profiler模块可以分析代码的内存性能和内存泄漏问题。

1. 安装memory_profiler

首先需要安装memory_profiler模块，可以使用pip进行安装：

pip install memory_profiler

2. 基本使用

使用memory_profiler模块的基本步骤是将待测函数标记为需要分析，然后运行性能分析器。以下示例展示了如何使用memory_profiler模块来分析函数的内存使用情况：

from memory_profiler import profile
@profile
def example_function():
    a = [i for i in range(1000000)]
    return a
调用函数
example_function()

八、使用time.process_time()计算CPU时间

time.process_time()函数返回当前进程的CPU时间，不包括睡眠时间。它适用于需要测量CPU时间的情况，而不是墙钟时间。

1. 基本使用

使用time.process_time()函数的步骤如下：

在代码开始前调用 time.process_time() 获取当前CPU时间。
在代码结束后再次调用 time.process_time() 获取当前CPU时间。
计算两个时间之间的差值，即为代码执行的CPU时间。

import time
记录开始CPU时间
start_cpu_time = time.process_time()
待测代码块
for i in range(1000000):
    pass
记录结束CPU时间
end_cpu_time = time.process_time()
计算执行时间
cpu_execution_time = end_cpu_time - start_cpu_time
print(f"代码执行的CPU时间: {cpu_execution_time:.6f} 秒")