我們知道為了提高代碼的運行速度，我們需要對書寫的python代碼進行性能測試，而代碼性能的高低的直接反饋是電腦運行代碼所需要的時間。這里將介紹四種常用的測試代碼運行速度的方法。

第一種：使用time模塊對代碼的運行時間進行統計，代碼如下：

import timeclass Debug: def mainProgram(self): start_time = time.time() for i in range(100): print(i) end_time = time.time() print(f'the running time is: {end_time - start_time} s') if __name__ == '__main__': main = Debug() main.mainProgram()

我們采用time 模塊給所要測試的代碼的前后加上時間戳，一個記為start_time，一個記作end_time，最后代碼塊的運行時間為end_time-start_time，單位為s(秒)。當然在python中還有許多的記錄時間的模塊，這里不做過多討論，均類似于time模塊，實現思路上一致，代碼實現上大同小異。

第二種：使用IPython的Built-in magic commands,%time,代碼如下：

class Debug: def mainProgram(self): %time for i in range(100): print(i) main = Debug()main.mainProgram()'''Wall time: 1.99 ms'''

這個類定義是可以去掉的，并不會影響最終的結果，%time 后面加上想要計算時間的代碼，然后編譯器就會在運行后自動給出所測試代碼的運行時間，但是經過測試，%time方法測出的時間并不準確，時間波動范圍非常大，這個是很好理解的，因為計算機每時每刻都在處理一些進程，也就是說計算機的運行狀態每時每刻都是不同的，所以在不同的時刻測試同一段代碼的運行時間也會得到不同的結果。

第三種：用IPython的另一個Built-in magic commands,%timeit，使用方法類似于%time，代碼如下：

class Debug: def mainProgram(self): %timeit for i in range(100): print(i) main = Debug()main.mainProgram()'''8.53 ms ± 452 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)'''

我們可以看到得到的結果是：每個循環8.53 ms±452 µs（平均±標準偏差，共運行7次，每個循環100個）%timeit相比于%time，%timeit會多次執行測試代碼，并且會取它們運行時間的平均值，并且還會計算出它們的標準差，因此這種計算方法計算的結果相對于使用%time執行測試代碼一次是比較準確的。

第四種：導入timeit模塊來計算代碼塊的執行時間

import timeitclass Debug: def mainProgram(self): result = timeit.timeit(stmt='for i in range(100): print(i)', number=10) print(result)main = Debug()main.mainProgram()'''0.05363089999991644 s'''

導入timeit模塊后使用timeit.timeit()來測試想要測試的代碼，并且代碼以string的形式進行輸入，并且需要設定number值，設定測試的該段代碼需要執行的次數，最終我們得到0.05363089999991644，單位是s(秒)，與內置魔法方法%timeit方法不同的是雖然也是多次計算，但是最終獲取的時間是n次執行代碼所需的總時間而不是執行一次的時間。

至此，代碼的運行速度測試方法的介紹暫時告一段落。（以后可能會進一步更新更加全面的），更多相關python 代碼運行時間 內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！