我想测量执行一个函数所花费的时间。我没时间工作：
import timeit
start = timeit.timeit()
print("hello")
end = timeit.timeit()
print(end - start)
当前回答
在python3上：
from time import sleep, perf_counter as pc
t0 = pc()
sleep(1)
print(pc()-t0)
优雅而短小。
其他回答
在python3上：
from time import sleep, perf_counter as pc
t0 = pc()
sleep(1)
print(pc()-t0)
优雅而短小。
这是一种很晚的反应，但也许对某人来说是有目的的。这是一种我认为非常干净的方法。
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，它可以与任何其他功能一起使用。干杯
要深入了解递归调用的每个函数，请执行以下操作：
%load_ext snakeviz
%%snakeviz
它只需要在Jupyter笔记本中使用这两行代码，就可以生成一个很好的交互图。例如：
这是代码。同样，以%开头的2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)
在笔记本外运行snakeviz似乎也是可能的。更多信息请访问snakeviz网站。
以下是一个答案，使用：
对代码片段进行计时的简洁上下文管理器time.perf_counter（）计算时间增量。与time.time（）相反，它是不可调整的（sysadmin和守护程序都不能更改其值），因此应该首选它（参见文档）python3.10+（因为键入，但可以很容易地适应以前的版本）
import time
from contextlib import contextmanager
from typing import Iterator
@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")
如何使用它的示例：
# Example: vector dot product computation
with time_it():
A = B = range(1000000)
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
使用探查器模块。它提供了非常详细的概况。
import profile
profile.run('main()')
它输出类似于：
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)
我发现它很有启发性。
