摘要：问题描述：我想测量执行某个函数所花费的时间。我无法开始timeit工作：import timeit start = timeit.timeit() print("hello") end = timeit.timeit() print(end - start) 解决方案 1：用于time.t...

问题描述：

我想测量执行某个函数所花费的时间。我无法开始timeit工作：

import timeit
start = timeit.timeit()
print("hello")
end = timeit.timeit()
print(end - start)

解决方案 1：

用于time.time()测量两点之间经过的挂钟时间：

import time

start = time.time()
print("hello")
end = time.time()
print(end - start)

这给出了以秒为单位的执行时间。

从 Python 3.3 开始，另一个选项可能是使用perf_counter或process_time，具体取决于您的要求。在 3.3 之前，建议使用time.clock(感谢Amber )。但是，它目前已被弃用：

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“处理器时间”的含义）取决于同名 C 函数的精度。
在 Windows 上，此函数基于 Win32 函数，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QueryPerformanceCounter()。精度通常优于一微秒。
自 3.3 版起已弃用：此功能的行为取决于平台：根据您的要求，使用perf_counter()或process_time()代替，以获得明确定义的行为。

解决方案 2：

使用timeit.default_timer而不是timeit.timeit。前者会自动提供你所在平台和 Python 版本上可用的最佳时钟：

from timeit import default_timer as timer

start = timer()
# ...
end = timer()
print(end - start) # Time in seconds, e.g. 5.38091952400282

timeit.default_timer被分配给 time.time() 或 time.clock()，具体取决于操作系统。在 Python 3.3+ 上，default_timer在所有平台上都是time.perf_counter() 。请参阅Python - time.clock() 与 time.time() - 准确性？

参见：

优化代码
如何优化速度

解决方案 3：

仅限 Python 3：

由于time.clock() 从 Python 3.3 开始已弃用，您将需要使用time.perf_counter()进行系统范围的计时，或者time.process_time()进行进程范围的计时，就像您以前使用的方式一样time.clock()：

import time

t = time.process_time()
#do some stuff
elapsed_time = time.process_time() - t

新功能process_time将不包括睡眠期间经过的时间。

解决方案 4：

以秒为单位测量时间：

from timeit import default_timer as timer
from datetime import timedelta

start = timer()

# ....
# (your code runs here)
# ...

end = timer()
print(timedelta(seconds=end-start))

输出：

0:00:01.946339

解决方案 5：

给定一个你想要计时的函数，

测试.py：

def foo(): 
    # print "hello"   
    return "hello"

最简单的使用方法timeit是从命令行调用它：

% python -mtimeit -s'import test' 'test.foo()'
1000000 loops, best of 3: 0.254 usec per loop

不要尝试（天真地）使用time.time或time.clock来比较函数的速度。它们可能会给出误导性的结果。

PS. 不要将打印语句放在您想要计时的函数中；否则测量的时间将取决于终端的速度。

解决方案 6：

使用上下文管理器来执行此操作很有趣，它可以自动记住进入块时的开始时间with，然后在退出块时冻结结束时间。使用一些小技巧，您甚至可以从相同的上下文管理器函数中获取块内的运行时间计数。

核心库没有这个（但可能应该有）。一旦到位，您可以执行以下操作：

with elapsed_timer() as elapsed:
    # some lengthy code
    print( "midpoint at %.2f seconds" % elapsed() )  # time so far
    # other lengthy code

print( "all done at %.2f seconds" % elapsed() )

以下是足以完成这一任务的contextmanager代码：

from contextlib import contextmanager
from timeit import default_timer

@contextmanager
def elapsed_timer():
    start = default_timer()
    elapser = lambda: default_timer() - start
    yield lambda: elapser()
    end = default_timer()
    elapser = lambda: end-start

还有一些可运行的演示代码：

import time

with elapsed_timer() as elapsed:
    time.sleep(1)
    print(elapsed())
    time.sleep(2)
    print(elapsed())
    time.sleep(3)

请注意，根据此函数的设计，返回值elapsed()在块退出时被冻结，并且进一步的调用将返回相同的持续时间（在此玩具示例中约为 6 秒）。

解决方案 7：

我更喜欢这个。doctimeit太令人困惑了。

from datetime import datetime 

start_time = datetime.now() 

# INSERT YOUR CODE 

time_elapsed = datetime.now() - start_time 

print('Time elapsed (hh:mm:ss.ms) {}'.format(time_elapsed))

请注意，这里没有任何格式，我只是将其写入hh:mm:ss打印输出，以便人们可以解释time_elapsed

解决方案 8：

以下是另一种方法：

>> from pytictoc import TicToc
>> t = TicToc() # create TicToc instance
>> t.tic() # Start timer
>> # do something
>> t.toc() # Print elapsed time
Elapsed time is 2.612231 seconds.

与传统方式相比：

>> from time import time
>> t1 = time()
>> # do something
>> t2 = time()
>> elapsed = t2 - t1
>> print('Elapsed time is %f seconds.' % elapsed)
Elapsed time is 2.612231 seconds.

安装：

pip install pytictoc

有关更多详细信息，请参阅PyPi 页面。

解决方案 9：

计算操作持续时间的最简单方法：

import time

start_time = time.monotonic()

<operations, programs>

print('seconds: ', time.monotonic() - start_time)

官方文档在这里。

解决方案 10：

这是我读过这里的许多好答案以及其他一些文章后得出的结论。

timeit首先，如果你正在和之间争论time.time，那么timeit有两个优点：

timeit选择适合您的操作系统和 Python 版本的最佳计时器。
timeit禁用垃圾收集，但是，这不是您可能想要或不想要的。

现在的问题是它timeit使用起来并不那么简单，因为它需要设置，而且当你有大量导入时，事情会变得很糟糕。理想情况下，你只需要一个装饰器或使用with块并测量时间。不幸的是，没有内置的可用功能，所以你有两个选择：

选项 1：使用 timebudget 库

timebudget是一个多功能且非常简单的库，在pip install 后只需一行代码即可使用它。

@timebudget  # Record how long this function takes
def my_method():
    # my code

选项 2：使用我的小模块

我创建了下面这个名为timing.py的小型计时实用程序模块。只需将此文件放入您的项目中并开始使用它即可。唯一的外部依赖项是runstats，它同样很小。

现在，只需在任何函数前面放置一个装饰器就可以对其进行计时：

import timing

@timing.MeasureTime
def MyBigFunc():
    #do something time consuming
    for i in range(10000):
        print(i)

timing.print_all_timings()

如果您想要计时部分代码，则只需将其放在with块内：

import timing

#somewhere in my code

with timing.MeasureBlockTime("MyBlock"):
    #do something time consuming
    for i in range(10000):
        print(i)

# rest of my code

timing.print_all_timings()

优点：

目前流传着几个不完整的版本，因此我想指出几个亮点：

由于前面描述的原因，请使用 timeit 中的计时器而不是 time.time。
如果需要，您可以在计时期间禁用 GC。
装饰器接受具有命名或未命名参数的函数。
能够以块时间禁用打印（使用with timing.MeasureBlockTime() as t然后t.elapsed）。
能够保持 gc 启用块计时。

解决方案 11：

使用time.time来测量执行时间可以让你了解命令的总体执行时间，包括计算机上其他进程所花费的运行时间。这是用户注意到的时间，但如果你想比较不同的代码片段/算法/函数/...，这并不好用。

更多信息timeit：

使用 timeit 模块
timeit——对 Python 小段代码的执行进行计时

如果您想更深入地了解分析：

http://wiki.python.org/moin/PythonSpeed/PerformanceTips#Profiling_Code
如何分析 Python 脚本？

更新：去年我经常使用http://pythonhosted.org/line_profiler/ ，发现它非常有用，建议使用它来代替 Pythons 配置文件模块。

解决方案 12：

在python3上：

from time import sleep, perf_counter as pc
t0 = pc()
sleep(1)
print(pc()-t0)

优雅而简短。

输出：

1.001345009999568

解决方案 13：

这是另一个用于计时代码的上下文管理器 -

用法：

from benchmark import benchmark

with benchmark("Test 1+1"):
    1+1
=>
Test 1+1 : 1.41e-06 seconds

或者，如果你需要时间值

with benchmark("Test 1+1") as b:
    1+1
print(b.time)
=>
Test 1+1 : 7.05e-07 seconds
7.05233786763e-07

基准测试.py：

from timeit import default_timer as timer

class benchmark(object):

    def __init__(self, msg, fmt="%0.3g"):
        self.msg = msg
        self.fmt = fmt

    def __enter__(self):
        self.start = timer()
        return self

    def __exit__(self, *args):
        t = timer() - self.start
        print(("%s : " + self.fmt + " seconds") % (self.msg, t))
        self.time = t

改编自http://dabeaz.blogspot.fr/2010/02/context-manager-for-timing-benchmarks.html

解决方案 14：

python cProfile 和 pstats 模块为测量某些函数中经过的时间提供了强大的支持，而无需在现有函数周围添加任何代码。

例如如果你有一个python脚本timeFunctions.py：

import time

def hello():
    print "Hello :)"
    time.sleep(0.1)

def thankyou():
    print "Thank you!"
    time.sleep(0.05)

for idx in range(10):
    hello()

for idx in range(100):
    thankyou()

要运行分析器并生成文件统计信息，您只需运行：

python -m cProfile -o timeStats.profile timeFunctions.py

这样做的目的是使用 cProfile 模块来分析 timeFunctions.py 中的所有函数，并收集 timeStats.profile 文件中的统计数据。请注意，我们不必向现有模块 (timeFunctions.py) 添加任何代码，并且可以使用任何模块来完成此操作。

一旦您有了统计文件，您就可以按如下方式运行 pstats 模块：

python -m pstats timeStats.profile

这将运行交互式统计浏览器，为您提供许多不错的功能。对于您的特定用例，您只需检查函数的统计数据即可。在我们的示例中，检查两个函数的统计数据会显示以下内容：

Welcome to the profile statistics browser.
timeStats.profile% stats hello
<timestamp>    timeStats.profile

         224 function calls in 6.014 seconds

   Random listing order was used
   List reduced from 6 to 1 due to restriction <'hello'>

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
       10    0.000    0.000    1.001    0.100 timeFunctions.py:3(hello)

timeStats.profile% stats thankyou
<timestamp>    timeStats.profile

         224 function calls in 6.014 seconds

   Random listing order was used
   List reduced from 6 to 1 due to restriction <'thankyou'>

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
      100    0.002    0.000    5.012    0.050 timeFunctions.py:7(thankyou)

这个虚拟示例并没有做太多事情，但可以让您了解可以做什么。这种方法最好的部分是我不必编辑任何现有代码即可获得这些数字，并且显然有助于分析。

解决方案 15：

使用分析器模块。它提供了非常详细的配置文件。

import profile
profile.run('main()')

它输出类似这样的内容：

          5 function calls in 0.047 seconds

   Ordered by: standard name

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.000    0.000    0.000    0.000 :0(exec)
        1    0.047    0.047    0.047    0.047 :0(setprofile)
        1    0.000    0.000    0.000    0.000 <string>:1(<module>)
        0    0.000             0.000          profile:0(profiler)
        1    0.000    0.000    0.047    0.047 profile:0(main())
        1    0.000    0.000    0.000    0.000 two_sum.py:2(twoSum)

我发现它非常有用。

解决方案 16：

（仅限 Ipython）您可以使用%timeit来测量平均处理时间：

def foo():
    print "hello"

进而：

%timeit foo()

结果如下：

10000 loops, best of 3: 27 µs per loop

解决方案 17：

这是一个返回“hh:mm:ss”字符串的微型计时器类：

class Timer:
  def __init__(self):
    self.start = time.time()

  def restart(self):
    self.start = time.time()

  def get_time_hhmmss(self):
    end = time.time()
    m, s = divmod(end - self.start, 60)
    h, m = divmod(m, 60)
    time_str = "%02d:%02d:%02d" % (h, m, s)
    return time_str

用法：

# Start timer
my_timer = Timer()

# ... do something

# Get time string:
time_hhmmss = my_timer.get_time_hhmmss()
print("Time elapsed: %s" % time_hhmmss )

# ... use the timer again
my_timer.restart()

# ... do something

# Get time:
time_hhmmss = my_timer.get_time_hhmmss()

# ... etc

解决方案 18：

如果您希望能够方便地对函数进行计时，则可以使用一个简单的装饰器：

import time

def timing_decorator(func):
    def wrapper(*args, **kwargs):
        start = time.perf_counter()
        original_return_val = func(*args, **kwargs)
        end = time.perf_counter()
        print("time elapsed in ", func.__name__, ": ", end - start, sep='')
        return original_return_val

    return wrapper

您可以在想要计时的函数上使用它，如下所示：

@timing_decorator
def function_to_time():
    time.sleep(1)

function_to_time()

每当您调用时function_to_time，它都会打印花费的时间以及正在计时的函数的名称。

解决方案 19：

以下是使用以下方法得到的答案：

简洁的上下文管理器来计时代码片段
time.perf_counter()计算时间增量。它应该是首选，因为它不可调整（系统管理员和守护进程都不能更改其值），与time.time()（参见文档）相反

import time
from collections.abc import Iterator
from contextlib import contextmanager

@contextmanager
def time_it() -> Iterator[None]:
    tic: float = time.perf_counter()
    try:
        yield
    finally:
        toc: float = time.perf_counter()
        print(f"Computation time = {1000*(toc - tic):.3f}ms")

如何使用它的一个例子：

# Example: vector dot product computation
with time_it():
    A = B = range(1_000_000)
    dot = sum(a*b for a,b in zip(A,B))
# Computation time = 95.353ms

附录

import time

# to check adjustability
assert time.get_clock_info('time').adjustable
assert time.get_clock_info('perf_counter').adjustable is False

解决方案 20：

我喜欢它简单（python 3）：

from timeit import timeit

timeit(lambda: print("hello"))

单次执行的输出以微秒为单位：

2.430883963010274

解释：timeit 默认执行匿名函数100 万次，结果以秒为单位。因此，单次执行的结果相同，但平均以微秒为单位。

对于缓慢的操作，请添加较少的迭代次数，否则您可能会等待永远：

import time

timeit(lambda: time.sleep(1.5), number=1)

输出总是以秒为单位的总迭代次数：

1.5015795179999714

解决方案 21：

要了解每个函数的递归调用，请执行以下操作：

%load_ext snakeviz
%%snakeviz

它只需要Jupyter 笔记本中的这两行代码，就可以生成一个漂亮的交互式图表。例如：

在此处输入图片描述

以下是代码。同样，以开头的两行%是使用 snakeviz 所需的唯一额外代码行：

# !pip install snakeviz
%load_ext snakeviz
import glob
import hashlib

%%snakeviz

files = glob.glob('*.txt')
def print_files_hashed(files):
    for file in files:
        with open(file) as f:
            print(hashlib.md5(f.read().encode('utf-8')).hexdigest())
print_files_hashed(files)

似乎也可以在笔记本之外运行 snakeviz。更多信息请参阅snakeviz 网站。

解决方案 22：

还有一种使用timeit 的方法：

from timeit import timeit

def func():
    return 1 + 1

time = timeit(func, number=1)
print(time)

解决方案 23：

如何测量两个操作之间的时间。比较两个操作的时间。

import time

b = (123*321)*123
t1 = time.time()

c = ((9999^123)*321)^123
t2 = time.time()

print(t2-t1)

7.987022399902344e-05

解决方案 24：

这是一个有详细文档和完整类型提示的装饰器，我将其用作通用实用程序：

from functools import wraps
from time import perf_counter
from typing import Any, Callable, Optional, TypeVar, cast

F = TypeVar("F", bound=Callable[..., Any])


def timer(prefix: Optional[str] = None, precision: int = 6) -> Callable[[F], F]:
    """Use as a decorator to time the execution of any function.

    Args:
        prefix: String to print before the time taken.
            Default is the name of the function.
        precision: How many decimals to include in the seconds value.

    Examples:
        >>> @timer()
        ... def foo(x):
        ...     return x
        >>> foo(123)
        foo: 0.000...s
        123
        >>> @timer("Time taken: ", 2)
        ... def foo(x):
        ...     return x
        >>> foo(123)
        Time taken: 0.00s
        123

    """
    def decorator(func: F) -> F:
        @wraps(func)
        def wrapper(*args: Any, **kwargs: Any) -> Any:
            nonlocal prefix
            prefix = prefix if prefix is not None else f"{func.__name__}: "
            start = perf_counter()
            result = func(*args, **kwargs)
            end = perf_counter()
            print(f"{prefix}{end - start:.{precision}f}s")
            return result
        return cast(F, wrapper)
    return decorator

使用示例：

from timer import timer


@timer(precision=9)
def takes_long(x: int) -> bool:
    return x in (i for i in range(x + 1))


result = takes_long(10**8)
print(result)

输出：

takes_long: 4.942629056s
True

可以使用以下方法检查文档测试：

$ python3 -m doctest --verbose -o=ELLIPSIS timer.py

类型提示如下：

$ mypy timer.py

解决方案 25：

有点太晚了，但也许对某些人来说有用。我认为这是一种非常干净的方法。

import time

def timed(fun, *args):
    s = time.time()
    r = fun(*args)
    print('{} execution took {} seconds.'.format(fun.__name__, time.time()-s))
    return(r)

timed(print, "Hello")

请记住，“print”是 Python 3 中的函数，而不是 Python 2.7 中的函数。但是，它可以与任何其他函数一起使用。干杯！

解决方案 26：

您可以使用 timeit。

下面是一个如何使用 Python REPL 测试接受参数的 naive_func 的示例：

>>> import timeit                                                                                         

>>> def naive_func(x):                                                                                    
...     a = 0                                                                                             
...     for i in range(a):                                                                                
...         a += i                                                                                        
...     return a                                                                                          

>>> def wrapper(func, *args, **kwargs):                                                                   
...     def wrapper():                                                                                    
...         return func(*args, **kwargs)                                                                  
...     return wrapper                                                                                    

>>> wrapped = wrapper(naive_func, 1_000)                                                                  

>>> timeit.timeit(wrapped, number=1_000_000)                                                              
0.4458435332577161

如果函数没有任何参数，则不需要包装函数。

解决方案 27：

print_elapsed_time 函数如下

def print_elapsed_time(prefix=''):
    e_time = time.time()
    if not hasattr(print_elapsed_time, 's_time'):
        print_elapsed_time.s_time = e_time
    else:
        print(f'{prefix} elapsed time: {e_time - print_elapsed_time.s_time:.2f} sec')
        print_elapsed_time.s_time = e_time

以这种方式使用

print_elapsed_time()
.... heavy jobs ...
print_elapsed_time('after heavy jobs')
.... tons of jobs ...
print_elapsed_time('after tons of jobs')

结果是

after heavy jobs elapsed time: 0.39 sec
after tons of jobs elapsed time: 0.60 sec

这个函数的优点和缺点是你不需要传递开始时间

解决方案 28：

我们还可以将时间转换为人类可读的时间。

import time, datetime

start = time.clock()

def num_multi1(max):
    result = 0
    for num in range(0, 1000):
        if (num % 3 == 0 or num % 5 == 0):
            result += num

    print "Sum is %d " % result

num_multi1(1000)

end = time.clock()
value = end - start
timestamp = datetime.datetime.fromtimestamp(value)
print timestamp.strftime('%Y-%m-%d %H:%M:%S')

解决方案 29：

尽管问题中没有严格要求，但通常情况下，您需要一种简单、统一的方法来逐步测量几行代码之间经过的时间。

如果您使用的是 Python 3.8 或更高版本，则可以使用赋值表达式（又名海象运算符）以相当优雅的方式实现这一点：

import time

start, times = time.perf_counter(), {}

print("hello")
times["print"] = -start + (start := time.perf_counter())

time.sleep(1.42)
times["sleep"] = -start + (start := time.perf_counter())

a = [n**2 for n in range(10000)]
times["pow"] = -start + (start := time.perf_counter())

print(times)

{'print': 2.193450927734375e-05, 'sleep': 1.4210970401763916, 'power': 0.005671024322509766}

解决方案 30：

我为此创建了一个库，如果你想测量一个函数，你可以这样做


from pythonbenchmark import compare, measure
import time

a,b,c,d,e = 10,10,10,10,10
something = [a,b,c,d,e]

@measure
def myFunction(something):
    time.sleep(0.4)

@measure
def myOptimizedFunction(something):
    time.sleep(0.2)

myFunction(input)
myOptimizedFunction(input)

https://github.com/Karlheinzniebuhr/pythonbenchmark

如何在 Python 中测量经过的时间？