Python里测代码运行时间，用perf_counter、process_time还是timeit？各自适用场景是什么？

在Python中，有多种方法可以对代码段运行时间进行计时，以下是几种常见的方法： ### 使用`time`模块 `time`模块可以用来计算程序运行CPU的时间和CPU的总运行时间。在Python 3.3及以后版本，`t.clock()`方法被移除，推荐使用`t.perf_counter()`和`t.process_time()`方法。 - `time.perf_counter()`：返回计时器的精准时间（系统的运行时间），包含整个系统的睡眠时间。由于返回值的基准点是未定义的，所以，只有连续调用的结果之间的差才是有效的。 - `time.process_time()`：返回当前进程执行CPU的时间总和，不包含睡眠时间。同样，只有连续调用的结果之间的差才是有效的。示例代码如下： ```python import time # 使用 perf_counter() 计时 start_perf = time.perf_counter() # 这里放置要计时的代码段 for i in range(1000000): pass end_perf = time.perf_counter() print(f"使用 perf_counter() 计时，代码运行时间: {end_perf - start_perf} 秒") # 使用 process_time() 计时 start_proc = time.process_time() # 这里放置要计时的代码段 for i in range(1000000): pass end_proc = time.process_time() print(f"使用 process_time() 计时，代码运行时间: {end_proc - start_proc} 秒") ``` ### 使用`datetime`模块该方法包含了其他程序使用CPU的时间。示例代码如下： ```python from datetime import datetime start = datetime.now() # 这里放置要计时的代码段 for i in range(1000000): pass end = datetime.now() print(f"使用 datetime 模块计时，代码运行时间: {end - start}") ``` ### 使用`timeit`模块 `timeit`模块可以方便地对小段代码进行计时。示例代码如下： ```python import timeit code_to_test = """ for i in range(1000000): pass """ execution_time = timeit.timeit(stmt=code_to_test, number=1) print(f"使用 timeit 模块计时，代码运行时间: {execution_time} 秒") ``` ### 使用PyCharm的Profile工具可以在PyCharm中使用Profile工具来分析代码的性能和运行时间。具体操作步骤为：在PyCharm中，右键点击要运行的Python文件，选择“Profile 'filename.py'”，运行后会生成一个性能分析报告，其中包含代码段的运行时间等信息 [^1]。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇 Python里用tempfile.mkdtemp()创建临时目录后，为什么不能直接用os.removedirs()安全清理？