Python高效计时方法解析
从现在开始,努力学习吧!本文《Python如何测量代码执行时间》主要讲解了等等相关知识点,我会在golang学习网中持续更新相关的系列文章,欢迎大家关注并积极留言建议。下面就先一起来看一下本篇正文内容吧,希望能帮到你!
使用time.perf_counter()或timeit模块可精确测量Python代码执行时间,其中timeit适合短代码片段并自动取平均值以减少误差;对于性能分析,推荐使用cProfile模块定位耗时函数。

测量Python代码执行时间,简单来说,就是记录代码开始和结束的时间,然后相减得到差值。但直接用time.time()可能不够精确,尤其对于运行时间很短的代码片段。
解决方案
最常用的方法是使用time模块的time.time()函数,或者timeit模块,后者更适合测量小段代码的执行时间。
import time
start_time = time.time()
# 这里放置你要测量的代码
result = sum(range(100000))
end_time = time.time()
execution_time = end_time - start_time
print(f"代码执行时间: {execution_time} 秒")
import timeit
code_to_test = """
result = sum(range(100000))
"""
execution_time = timeit.timeit(code_to_test, number=100) # 执行100次取平均值
print(f"代码执行时间 (timeit): {execution_time / 100} 秒")timeit 模块会自动多次运行你的代码,然后计算平均执行时间,这样可以减少随机误差的影响。
如何选择合适的测量方法?
如果只是想粗略地了解一段较长代码的执行时间,time.time()足够了。但如果需要精确测量,或者代码执行时间很短,timeit 是更好的选择。timeit 还可以避免一些外部因素的干扰,比如垃圾回收。
除了time和timeit,还有其他选择吗?
当然有。例如,可以使用perf_counter()或process_time()。
time.perf_counter():提供具有最高可用分辨率的性能计数器,适用于测量短时间间隔。它不受系统时钟调整的影响。time.process_time():返回当前进程的系统和用户CPU时间总和。它只计算实际消耗的CPU时间,不包括睡眠时间。
import time
start_time = time.perf_counter()
# 这里放置你要测量的代码
result = sum(range(100000))
end_time = time.perf_counter()
execution_time = end_time - start_time
print(f"代码执行时间 (perf_counter): {execution_time} 秒")
import time
start_time = time.process_time()
# 这里放置你要测量的代码
result = sum(range(100000))
end_time = time.process_time()
execution_time = end_time - start_time
print(f"代码执行时间 (process_time): {execution_time} 秒")perf_counter更适合测量实际经过的时间,而process_time更关注CPU的使用情况。在多线程或多进程环境中,process_time 可能更有意义,因为它只计算当前进程的CPU时间。
如何分析代码的性能瓶颈?
测量整体执行时间只是第一步。要真正优化代码,需要找到性能瓶颈。这时,可以使用cProfile模块。
import cProfile
def my_function():
result = sum(range(100000))
return result
cProfile.run('my_function()')cProfile 会详细记录每个函数的调用次数、执行时间等信息,可以帮助你找到代码中最耗时的部分。分析 cProfile 的输出结果,重点关注 tottime (函数内部消耗的总时间) 和 cumtime (函数及其所有子函数消耗的总时间)。找到 cumtime 值较高的函数,这些很可能就是性能瓶颈所在。
终于介绍完啦!小伙伴们,这篇关于《Python高效计时方法解析》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!
CSS引入方式对SEO影响分析
- 上一篇
- CSS引入方式对SEO影响分析
- 下一篇
- 硬盘数据恢复方法与技巧大全
-
- 文章 · python教程 | 18小时前 | python · Python decimal compare_total 全序比较
- Python Decimal.compare_total 怎样区分数值相等的不同表示
- 331浏览 收藏
-
- 文章 · python教程 | 18小时前 |
- Python AST 怎样提取节点对应的原始源码片段
- 261浏览 收藏
-
- 文章 · python教程 | 18小时前 | python · 类型系统 · Python types.resolve_bases __mro_entries__
- Python types.resolve_bases 怎样展开动态基类占位对象
- 108浏览 收藏
-
- 文章 · python教程 | 19小时前 | Python SQLite sqlite3 getlimit Connection.setlimit
- Python sqlite3.Connection.setlimit 怎样限制单个连接的资源上限
- 247浏览 收藏
-
- 文章 · python教程 | 19小时前 | SQLite · Python教程 · Python SQLite sqlite3 complete_statement 多语句脚本 CREATE TRIGGER
- Python sqlite3.complete_statement 判断多语句输入完整性的处理方案
- 140浏览 收藏
-
- 文章 · python教程 | 19小时前 | python · pathlib · Python pathlib walk_up relative_to
- Python pathlib.relative_to 怎样避免无关路径抛错
- 256浏览 收藏
-
- 文章 · python教程 | 19小时前 | python · Python Property 描述符 inspect.getattr_static 静态属性读取
- Python 怎样读取属性定义而不触发 property
- 299浏览 收藏
-
- 文章 · python教程 | 19小时前 | 依赖管理 · 故障排查 · Python教程 · Python importlib.metadata packages_distributions 发行包 导入名
- Python 怎样根据导入名查询对应的发行包
- 138浏览 收藏
-
- 文章 · python教程 | 19小时前 | 数据校验 · Python教程 · Python Pydantic JSON校验 model_validate_json strict mode
- Pydantic model_validate_json 怎样在严格模式下解析请求体
- 417浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1076次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1078次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1238次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1182次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1026次使用
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

