下面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，如果您需要时间值

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

基准.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

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。

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。

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。

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。