Python计算函数运行时间的几种方法
本篇文章主要是结合我之前面试的各种经历和实战开发中遇到的问题解决经验整理的,希望这篇《Python如何计算函数运行时间?》对你有很大帮助!欢迎收藏,分享给更多的需要的朋友学习~
使用time.time()适合简单计时,通过前后时间戳相减得耗时;timeit模块可进行高精度测试,执行多次取平均值更准确;装饰器方式能自动监控多个函数运行时间,提升代码复用性。

在 Python 开发中,计算函数运行时间常用的方法是使用 time 模块或 timeit 模块。选择哪种方式取决于你的需求:简单测试用 time.time(),精确测量建议用 timeit。
使用 time 模块粗略计时
适用于快速查看函数执行耗时,代码简单直观。
import timedef my_function():
模拟一些操作
sum(i for i in range(100000))start = time.time() my_function() end = time.time()
print(f"函数运行时间: {end - start:.4f} 秒")
说明: time.time() 返回当前时间的时间戳(单位:秒),通过前后相减得到间隔。适合一次性调用的场景。
使用 timeit 模块进行精准测试
用于需要更高精度的性能测试,尤其适合对比不同实现方式的效率。
import timeitdef my_function(): sum(i for i in range(100000))
单次运行时间
time_taken = timeit.timeit(my_function, number=1000) print(f"运行 1000 次平均耗时: {time_taken:.6f} 秒")
说明: timeit.timeit(func, number=N) 会执行函数 N 次并返回总耗时,常用于排除系统波动影响,获得更稳定的结果。
用装饰器自动计时函数
如果多个函数都需要计时,可以封装成装饰器,提升代码复用性。
import time from functools import wrapsdef timer(func): @wraps(func) def wrapper(*args, *kwargs): start = time.time() result = func(args, **kwargs) end = time.time() print(f"{func.name} 执行耗时: {end - start:.4f} 秒") return result return wrapper
@timer def my_function(): sum(i for i in range(100000))
my_function() # 输出函数执行时间
说明: 装饰器方式无需修改原函数逻辑,只需添加 @timer 即可自动打印运行时间,适合开发调试阶段。
基本上就这些。日常调试用 time.time() 最快上手,做性能优化推荐 timeit,想批量监控函数可以用装饰器。不复杂但容易忽略细节,比如多次运行取平均值才更准确。
理论要掌握,实操不能落!以上关于《Python计算函数运行时间的几种方法》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
SpringBoot控制器测试技巧分享
- 上一篇
- SpringBoot控制器测试技巧分享
- 下一篇
- IDEA运行HTML的正确方法
-
- 文章 · python教程 | 4小时前 |
- Python Jinja按模板后缀开启自动转义怎么配置
- 320浏览 收藏
-
- 文章 · python教程 | 4小时前 | Python 模板变量 Jinja StrictUndefined UndefinedError
- Python Jinja StrictUndefined怎样暴露缺失模板变量
- 477浏览 收藏
-
- 文章 · python教程 | 4小时前 | CLI · 命令行 · python · 命令行选项 list[str] Python Typer Typer重复参数 Typer列表参数 list[float]
- Python Typer可重复参数怎样收集为列表
- 157浏览 收藏
-
- 文章 · python教程 | 4小时前 | Python 后台任务 Worker Textual post_message
- Python Textual后台任务怎么把结果送回界面
- 317浏览 收藏
-
- 文章 · python教程 | 4小时前 | 查询优化 · Python explain 查询计划 Polars LazyFrame show_graph
- Python Polars LazyFrame怎样查看查询计划
- 421浏览 收藏
-
- 文章 · python教程 | 4小时前 | 数据校验 · python · Python Pydantic field_validator model_validator 联合约束
- Python Pydantic怎样对多个字段实施联合约束
- 210浏览 收藏
-
- 文章 · python教程 | 4小时前 | Python Pydantic After field_validator before
- Python Pydantic字段校验器before与after怎么选择
- 469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。
- 463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。
- 526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。
- 545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。
- 493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。
- 312次使用
-
- 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
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

