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()
解决方案
最常用的方法是使用
time
time.time()
timeit
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
立即学习“Python免费学习笔记(深入)”;
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()
timeit
timeit
除了
time
timeit
当然有。例如,可以使用
perf_counter()
process_time()
time.perf_counter()
time.process_time()
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
process_time
process_time
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
import cProfile
def my_function():
result = sum(range(100000))
return result
cProfile.run('my_function()')cProfile
cProfile
tottime
cumtime
cumtime
以上就是python中怎么测量一段代码的执行时间?的详细内容,更多请关注php中文网其它相关文章!
python怎么学习?python怎么入门?python在哪学?python怎么学才快?不用担心,这里为大家提供了python速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号