使用time.time（）测量两点之间经过的墙上时钟时间：

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。

Python 3.3之后的另一个选项可能是使用perf_counter或process_time，具体取决于您的需求。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，将当前处理器时间作为浮点数返回以秒表示。准确度，事实上就是定义“处理器时间”的含义取决于C函数的含义具有相同名称。在Windows上，此函数返回自该函数的第一次调用，作为浮点数，基于Win32函数QueryPerformanceCounter（）。分辨率通常为优于一微秒。自3.3版起已弃用：此函数的行为取决于在平台上：改用perf_counter（）或process_time（），根据您的要求，要有明确的行为。

（仅使用Ipython）您可以使用%timeit来测量平均处理时间：

def foo():
    print "hello"

然后：

%timeit foo()

结果如下：

10000 loops, best of 3: 27 µs per loop

使用一个上下文管理器可以很有趣地做到这一点，它可以自动记住进入with块时的开始时间，然后在块退出时冻结结束时间。通过一些小技巧，您甚至可以从同一个上下文管理器函数获得块内的运行时间计数。

核心库没有这个（但可能应该有）。一旦就位，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() )

以下是足以完成此任务的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

以及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)

注意，通过设计此函数，elapsed（）的返回值在块退出时被冻结，并且进一步的调用返回相同的持续时间（在这个玩具示例中大约为6秒）。

你可以使用timeit。

下面是一个示例，说明如何使用Python REPL测试naive_func，该函数接受参数：

>>> 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  

若函数并没有任何参数，那个么就不需要包装函数。

timeit模块适合对一小段Python代码进行计时。它至少可以三种形式使用：

1-作为命令行模块

python2 -m timeit 'for i in xrange(10): oct(i)' 

2-对于短代码，将其作为参数传递。

import timeit
timeit.Timer('for i in xrange(10): oct(i)').timeit()

3-对于较长的代码，如：

import timeit
code_to_test = """
a = range(100000)
b = []
for i in a:
    b.append(i*2)
"""
elapsed_time = timeit.timeit(code_to_test, number=100)/100
print(elapsed_time)

使用time.time来测量执行情况，可以获得命令的总体执行时间，包括计算机上其他进程花费的运行时间。这是用户注意到的时候，但如果你想比较不同的代码片段/算法/函数/。。。

有关timeit的更多信息：

使用timeit模块timeit–对少量Python代码的执行进行计时

如果您想深入了解剖析：

http://wiki.python.org/moin/PythonSpeed/PerformanceTips#Profiling_Code如何评测python脚本？

更新：我使用http://pythonhosted.org/line_profiler/在过去的一年中，我们做了很多工作，发现它非常有用，建议使用它来代替Pythons配置文件模块。