使用时间模块测量经过的时间

start_time = time.time()
# your code
elapsed_time = time.time() - start_time

您还可以编写简单的装饰器来简化各种函数执行时间的测量：

import time
from functools import wraps

PROF_DATA = {}

def profile(fn):
    @wraps(fn)
    def with_profiling(*args, **kwargs):
        start_time = time.time()

        ret = fn(*args, **kwargs)

        elapsed_time = time.time() - start_time

        if fn.__name__ not in PROF_DATA:
            PROF_DATA[fn.__name__] = [0, []]
        PROF_DATA[fn.__name__][0] += 1
        PROF_DATA[fn.__name__][1].append(elapsed_time)

        return ret

    return with_profiling

def print_prof_data():
    for fname, data in PROF_DATA.items():
        max_time = max(data[1])
        avg_time = sum(data[1]) / len(data[1])
        print "Function %s called %d times. " % (fname, data[0]),
        print 'Execution time max: %.3f, average: %.3f' % (max_time, avg_time)

def clear_prof_data():
    global PROF_DATA
    PROF_DATA = {}

用法：

@profile
def your_function(...):
    ...

您可以同时分析多个功能。然后要打印测量值，只需调用 print_prof_data()：

---

time.time() 将完成这项工作。

import time

start = time.time()
# run your code
end = time.time()

elapsed = end - start

您可能想查看 this 问题，但我认为没有必要。

---

对于想要更好格式的用户，

import time
start_time = time.time()
# your script
elapsed_time = time.time() - start_time
time.strftime("%H:%M:%S", time.gmtime(elapsed_time))

将打印出来，持续 2 秒：

'00:00:02'

7分钟一秒：

'00:07:01'

请注意，gmtime 的最小时间单位是秒。如果您需要微秒，请考虑以下事项：

import datetime
start = datetime.datetime.now()
# some code
end = datetime.datetime.now()
elapsed = end - start
print(elapsed)
# or
print(elapsed.seconds,":",elapsed.microseconds) 

strftime documentation

---

要获得经过时间的最佳度量（自 Python 3.3 起），请使用 time.perf_counter()。

返回性能计数器的值（以秒为单位），即具有最高可用分辨率的时钟以测量短持续时间。它确实包括睡眠期间经过的时间，并且是系统范围的。返回值的参考点是未定义的，因此只有连续调用的结果之间的差异才有效。

对于以小时/天为单位的测量，您不关心亚秒级分辨率，因此请改用 time.monotonic()。

返回单调时钟的值（以秒为单位），即不能倒退的时钟。时钟不受系统时钟更新的影响。返回值的参考点是未定义的，因此只有连续调用的结果之间的差异才有效。

在许多实现中，这些实际上可能是同一件事。

在 3.3 之前，您会遇到 time.clock()。

在 Unix 上，以浮点数形式返回当前处理器时间，以秒为单位。精度，实际上是“处理器时间”含义的定义，取决于同名 C 函数的精度。在 Windows 上，此函数根据 Win32 函数 QueryPerformanceCounter() 以浮点数形式返回自第一次调用此函数以来经过的挂钟秒数。分辨率通常优于一微秒。

Python 3.7 更新

Python 3.7 中的新功能是 PEP 564 - 添加具有纳秒分辨率的新时间函数。

使用这些可以进一步消除舍入和浮点错误，尤其是在您测量非常短的周期，或者您的应用程序（或 Windows 机器）长时间运行的情况下。

大约 100 天后，分辨率在 perf_counter() 开始出现问题。因此，例如在一年的正常运行时间之后，它可以测量的最短间隔（大于 0）将比它开始时更大。

Python 3.8 更新

time.clock 现在不见了。

---

更长的时间。

import time
start_time = time.time()
...
e = int(time.time() - start_time)
print('{:02d}:{:02d}:{:02d}'.format(e // 3600, (e % 3600 // 60), e % 60))

会打印

00:03:15

如果超过 24 小时

25:33:57

这受到 Rutger Hofste 的回答的启发。谢谢罗格！

---

在编程中，有两种主要的方法来测量时间，但结果不同：

>>> print(time.process_time()); time.sleep(10); print(time.process_time())
0.11751394000000001
0.11764988400000001  # took  0 seconds and a bit
>>> print(time.perf_counter()); time.sleep(10); print(time.perf_counter())
3972.465770326
3982.468109075       # took 10 seconds and a bit

处理器时间：这是该特定进程在 CPU 上主动执行所花费的时间。睡眠、等待 Web 请求或仅执行其他进程的时间不会对此产生影响。使用 time.process_time()

使用 time.process_time()

挂钟时间：这是指“挂在墙上的时钟”已经过去了多少时间，即在实时之外。使用 time.perf_counter() time.time() 还可以测量挂钟时间，但可以重置，因此您可以及时返回 time.monotonic() 无法重置（单调 = 仅向前）但精度低于时间.perf_counter()

使用 time.perf_counter() time.time() 还可以测量挂钟时间，但可以重置，因此您可以及时返回 time.monotonic() 无法重置（单调 = 仅向前）但精度低于时间.perf_counter()

time.time() 也测量挂钟时间，但可以重置，所以你可以回到过去

time.monotonic() 无法重置（单调 = 仅向前）但精度低于 time.perf_counter()

---

您需要导入时间，然后使用 time.time() 方法知道当前时间。

import time

start_time=time.time() #taking current time as starting time

#here your code

elapsed_time=time.time()-start_time #again taking current time - starting time 

---

另一个计时的好方法是使用 with python 结构。

with 结构会自动调用 __enter__ 和 __exit__ 方法，这正是我们需要的时间。

让我们创建一个 Timer 类。

from time import time

class Timer():
    def __init__(self, message):
        self.message = message
    def __enter__(self):
        self.start = time()
        return None  # could return anything, to be used like this: with Timer("Message") as value:
    def __exit__(self, type, value, traceback):
        elapsed_time = (time() - self.start) * 1000
        print(self.message.format(elapsed_time))

然后，可以像这样使用 Timer 类：

with Timer("Elapsed time to compute some prime numbers: {}ms"):
    primes = []
    for x in range(2, 500):
        if not any(x % p == 0 for p in primes):
            primes.append(x)
    print("Primes: {}".format(primes))

结果如下：

素数：[2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89 , 97, 101, 103, 107, 109, 113, 127, 131, 137, 139, 149, 151, 157, 163, 167, 173, 179, 181, 191, 193, 197, 199, 211, 223, 227 , 229, 233, 239, 241, 251, 257, 263, 269, 271, 277, 281, 283, 293, 307, 311, 313, 317, 331, 337, 347, 349, 353, 359, 367, 373 , 379, 383, 389, 397, 401, 409, 419, 421, 431, 433, 439, 443, 449, 457, 461, 463, 467, 479, 487, 491, 499]

计算一些素数所用的时间：5.01704216003418ms

---

Vadim Shender 的反应很棒。您还可以使用更简单的装饰器，如下所示：

import datetime
def calc_timing(original_function):                            
    def new_function(*args,**kwargs):                        
        start = datetime.datetime.now()                     
        x = original_function(*args,**kwargs)                
        elapsed = datetime.datetime.now()                      
        print("Elapsed Time = {0}".format(elapsed-start))     
        return x                                             
    return new_function()  

@calc_timing
def a_func(*variables):
    print("do something big!")

---

这是对 Vadim Shender 的巧妙代码的更新，带有表格输出：

import collections
import time
from functools import wraps

PROF_DATA = collections.defaultdict(list)

def profile(fn):
    @wraps(fn)
    def with_profiling(*args, **kwargs):
        start_time = time.time()
        ret = fn(*args, **kwargs)
        elapsed_time = time.time() - start_time
        PROF_DATA[fn.__name__].append(elapsed_time)
        return ret
    return with_profiling

Metrics = collections.namedtuple("Metrics", "sum_time num_calls min_time max_time avg_time fname")

def print_profile_data():
    results = []
    for fname, elapsed_times in PROF_DATA.items():
        num_calls = len(elapsed_times)
        min_time = min(elapsed_times)
        max_time = max(elapsed_times)
        sum_time = sum(elapsed_times)
        avg_time = sum_time / num_calls
        metrics = Metrics(sum_time, num_calls, min_time, max_time, avg_time, fname)
        results.append(metrics)
    total_time = sum([m.sum_time for m in results])
    print("\t".join(["Percent", "Sum", "Calls", "Min", "Max", "Mean", "Function"]))
    for m in sorted(results, reverse=True):
        print("%.1f\t%.3f\t%d\t%.3f\t%.3f\t%.3f\t%s" % (100 * m.sum_time / total_time, m.sum_time, m.num_calls, m.min_time, m.max_time, m.avg_time, m.fname))
    print("%.3f Total Time" % total_time)

---