### 使用Python创建计时器 为了创建一个简单的计时器，在Python中有多种方法可以选择。一种常见的方式是利用`time`模块中的功能来测量时间间隔。 下面是一个基于`time.perf_counter()`函数的例子，该函数返回性能计数器的时间值，它提供了高分辨率的定时能力： ```python import time def simple_timer(duration): start_time = time.perf_counter() end_time = start_time + duration while True: current_time = time.perf_counter() elapsed_time = current_time - start_time print(f"Time remaining: {int(end_time - current_time)} seconds", end='\r') if current_time >= end_time: break time.sleep(1) print("Timer has started!") simple_timer(5) # 设置倒计时时间为5秒 print("\nTimer finished.") ``` 对于更复杂的场景，比如重复执行某项任务并记录每次运行所需的时间，则可以采用来自`timeit`库的方法[^1]。这里展示了一个用于测试特定代码片段性能的小工具： ```python import timeit import numpy as np def performance_test(module, timing_number=10, timing_repeat=10): """ 测试给定module.run()方法的平均耗时、中位数以及标准差。 参数: module : 被测对象实例化后的类或具有run属性的对象。 timing_number : 单次重复次数，默认为10次。 timing_repeat : 总共重复多少轮，默认为10轮。 返回: dict : 包含'mean'(均值),'median'(中位数)，'std'(标准偏差)三个键及其对应的浮点数值。 """ timing_results_list = ( np.array( timeit.Timer(lambda: module.run()) .repeat(repeat=timing_repeat, number=timing_number) ) * 1000 / timing_number ) timing_statistics = { "mean": np.mean(timing_results_list), "median": np.median(timing_results_list), "std": np.std(timing_results_list), } return timing_statistics ``` 此段代码定义了一个名为`performance_test`的功能，能够接收任意实现了`.run()`接口的目标作为参数，并对其性能进行评估。通过调整`timing_number`和`timing_repeat`两个变量，可以根据实际需求灵活控制采样精度与数量。