在代碼執行前后各記錄一個時間點，兩個時間戳相減即程序運行耗時。

獲取時間戳time.time()

import timestart_time = time.time()sum = 0for i in range(100000000): sum += iprint(sum)end_time = time.time()print('耗時: {:.2f}秒'.format(end_time - start_time))輸出：4999999950000000耗時: 10.53秒

獲取當前日期 datetime.datetime.now()

import datetimestart_time = datetime.datetime.now()sum = 0for i in range(100000000): sum += iprint(sum)end_time = datetime.datetime.now()print('耗時: {}秒'.format(end_time - start_time))裝飾器

裝飾器是一個裝飾函數的函數，能夠在不改變函數源碼和函數調用方式的情況下給函數增加新的功能。很多時候統計函數的耗時，可以使用裝飾器實現。

import timedef get_time(f): def inner(*arg,**kwarg):s_time = time.time()res = f(*arg,**kwarg)e_time = time.time()print(’耗時：{}秒’.format(e_time - s_time))return res return inner@get_timedef test(): time.sleep(2) # 模擬運行2stest()輸出：耗時：2.000781536102295秒timeit模塊

timeit 模塊提供了測量 Python 小段代碼執行時間的方法，可以在命令行界面直接使用，也可以通過導入模塊進行調用。

語句執行 number 次的時間

#導入timeit.timeitfrom timeit import timeit#看x=1的執行一次的時間（number可以省略，缺省為1000000)t1 = timeit(’x=1’, number=1)print(t1)#一個列表生成器的執行時間,執行10000次：t2 = timeit(’[i for i in range(100) if i%2==0]’, number=10000)print(t2)輸出：4.0000000001150227e-070.04841430000000002

計算函數的執行時間

from timeit import timeitdef func(a): sum = 0 for i in range(a):sum += i return sum# timeit(函數名_字符串，運行環境_字符串，number=運行次數)t = timeit(’func(10000000)’, ’from __main__ import func’, number=1)print(t)輸出：0.4887406重復調用 timeit()

repeat() 方法相當于持續多次調用 timeit() 方法并將結果返回為一個列表。repeat 參數指定重復的次數，number 參數傳遞給 timeit() 方法的 number 參數。

import timeitdef func(a): sum = 0 for i in range(a):sum += i return sum# timeit(函數名_字符串，運行環境_字符串，number=運行次數,repeat=重復次數，repeat=5)t = timeit.repeat(’func(100000)’, ’from __main__ import func’, number=100, repeat=5)print(t)cProfile性能分析工具

cProfile（語言編寫的測試模塊）是一個標準庫內建的性能分析工具，可以在標準輸出中看到每一個函數被調用的次數和運行的時間，從而找到程序的性能瓶頸，從而有針對性的進行性能優化。

Python代碼性能分析之cProfile

import cProfiledef func(a): sum = 0 for i in range(a):sum += i return sumif __name__ == ’__main__’: cProfile.run('func(10000000)')

以上就是python 統計代碼耗時的幾種方法分享的詳細內容，更多關于python 統計代碼耗時的資料請關注好吧啦網其它相關文章！