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。

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。

除了ipython中的%timeit之外，您还可以使用%%timeit进行多行代码片段：

In [1]: %%timeit
   ...: complex_func()
   ...: 2 + 2 == 5
   ...:
   ...:

1 s ± 1.93 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

同样，它也可以以同样的方式在jupyter笔记本中使用，只需将magic%%timeit放在单元格的开头。

以下是我在阅读了许多好答案以及其他几篇文章之后的发现。

首先，如果你在timeit和time.time之间进行辩论，timeit有两个优点：

timeit选择操作系统和Python版本上可用的最佳计时器。然而，timeit禁用垃圾收集，这不是您可能想要或不想要的。

现在的问题是，时间并不是那么简单，因为它需要设置，当你有大量的导入时，事情会变得很糟糕。理想情况下，您只需要一个装饰器或使用块和度量时间。不幸的是，没有内置功能可用于此，因此您有两个选项：

选项1：使用时间预算库

timebudget是一个多功能且非常简单的库，您可以在pip安装后仅在一行代码中使用它。

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

选项2：使用我的小模块

我创建了一个名为timing.py的计时实用程序模块。只需将这个文件放到项目中并开始使用它。唯一的外部依赖是runstats，它同样很小。

现在，只需在函数前面放置一个装饰器，就可以对任何函数计时：

import timing

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

timing.print_all_timings()

如果您想对代码的一部分计时，只需将其放入块中：

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()

优势：

有几个半备份版本，所以我想指出几个亮点：

出于前面描述的原因，请使用timeit中的计时器，而不是time.time。如果需要，可以在计时期间禁用GC。Decorator接受带有命名或未命名参数的函数。能够在块计时中禁用打印（与timing.MeasureBlockTime（）一起使用为t，然后为t.passed）。能够为块计时启用gc。

时间也可以通过%timeit魔法函数测量，如下所示：

%timeit -t -n 1 print("hello")

n 1仅用于运行功能1次。

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）。