### 如何在 PyCharm 中测量和查看 Python 程序的运行时间 为了在 PyCharm 中测量 Python 程序的运行时间，可以采用多种方法。以下是几种常见的方式： #### 方法一：使用 `time` 模块 通过导入标准库中的 `time` 模块来记录程序执行前后的时刻差值。 ```python import time start_time = time.time() # 记录起始时间 # 被测代码部分 for i in range(1000000): pass end_time = time.time() # 记录结束时间 execution_time = end_time - start_time # 计算总耗时 print(f"Program execution time: {execution_time} seconds") # 输出结果 ``` 这种方法简单易用，适用于大多数场景[^1]。 --- #### 方法二：使用 `timeit` 模块 对于更精确的时间测量，推荐使用 `timeit` 模块。它能够减少外部因素干扰并提供多次重复测试的能力。 ```python from timeit import default_timer as timer start = timer() # 被测代码部分 sum(range(1000000)) end = timer() elapsed_time = (end - start) * 1000 # 将秒转换为毫秒 print(f"Execution Time: {elapsed_time:.2f} ms") ``` 此模块特别适合用于短片段代码性能分析。 --- #### 方法三：利用 PyCharm 的调试工具 PyCharm 提供内置性能分析器（Profiler），可以直接监控 CPU 和内存消耗情况以及函数调用栈信息。具体操作如下： 1. 打开目标脚本； 2. 进入菜单栏 **Run -> Profile 'script_name'** 或者按快捷键启动配置好的 profile session； 3. 查看生成报告图表展示各环节所花费的具体时间分布详情。 这种方式无需修改源码即可获取详尽统计资料[^2]。 --- #### 方法四：结合装饰器实现自动化计时功能 当项目规模较大时，手动插入计时逻辑会显得繁琐低效。此时可定义通用型装饰器应用于需关注效率之处。 ```python def timing_decorator(func): from functools import wraps import time @wraps(func) def wrapper(*args, **kwargs): start = time.perf_counter() result = func(*args, **kwargs) elapsed = time.perf_counter() - start print(f"{func.__name__!r} completed in {elapsed:.4f}s") return result return wrapper @timing_decorator def example_function(): total_sum = sum(i*i for i in range(10000)) example_function() ``` 以上示例展示了如何创建自定义计时器并将之附加到任意函数之上以便追踪其实际表现状况。 --- #### 总结 无论选择哪种手段衡量应用程序的速度特性，在开发初期就应该重视效能考量，并持续优化瓶颈所在直至满足预期指标为止。此外，《High Performance Python》是一本非常值得阅读的好书，其中深入探讨了许多提升 Python 应用性能的技术要点[^1]。