python程序运行时间

① 几种python执行时间的计算方法

方法1：

import datetime

starttime = datetime.datetime.now()

#long running

#do something other

endtime = datetime.datetime.now()

print (endtime - starttime).seconds

datetime.datetime.now()获取的是当前日期，在程序执行结束之后，这个方式获得的时间值为程序执行的时间。

方法2：

start = time.time()

#long running

#do something other

end = time.time()

print end-start

time.time()获取自纪元以来的当前时间(以秒为单位)。如果系统时钟提供它们，则可能存在秒的分数。所以这个地方返回的是一个浮点型类型。这里获取的也是程序的执行时间。

方法3：

start = time.clock()

#long running

#do something other

end = time.clock()

print end-start

time.clock()返回程序开始或第一次被调用clock()以来的CPU时间。 这具有与系统记录一样多的精度。返回的也是一个浮点类型。这里获得的是CPU的执行时间。

注：程序执行时间=cpu时间 + io时间 + 休眠或者等待时间。

关于几种Python执行时间的计算方法，环球青藤小编就和大家分享到这里了，学习是永无止境的，学习一项技能更是受益终身，所以，只要肯努力学，什么时候开始都不晚。如果您还想继续了解关于python编程的学习方法及素材等内容，可以点击本站其他文章学习。

② python中程序运行时间的计算

单细胞中各种同类工具层出不重，往往需要比较软件间的重现性，运行速度等，因此查阅了python中程序运行时间计算的各种方法。

程序中主要有两种时间CPU time和Wall time, 前者就是CPU实际运行的时间，包含系统CPU time和程序CPU time；

③ python3.5中怎么输出运行时间

通过代码实现。
具体代码。start=time。clock（）run_fun（）end=time。clock（）printend-start这种算法只计算了程序运行的CPU时间。
我们知道为了提高代码的运行速度，我们需要对书写的python代码进行性能测试，而代码性能的高低的直接反馈是电脑运行代码所需要的时间。

④ Python测量程序运行时间，time.time与time.clock

现象描述：

1、time.clock 在win系统和linux系统下对相同程序的计时结果不一致

2、到底应该用什么时间计时？为什么用time.time与time.clock计时会有那么大的差异

在计算机领域有多种时间。

第一种称作CPU时间或执行时间，用于测量在执行一个程序时CPU所花费的时间。第二种称作挂钟时间，测量执行一个程序时的总时间。挂钟时间也被称作流逝时间或运行时间。与CPU时间相比，挂钟时间通常长些，因为CPU执行测量的程序可能同时还在执行其它程序的指令。

另一个重要概念是所谓的系统时间，由系统时钟测量。系统时间表示计算机系统时间传递的概念。要记住系统时钟是可以由操作系统修改的，就是修改系统时间。

在Unix系统上，time.time的作用与Windows相同，但time.clock的意义不同。

在Unix系统上，time.clock以秒为单位返回当前处理器时间，例如，执行当前线程所花费的CPU时间。而在Windows上，它是以秒为单位的返回自首次调用该函数以来所流逝的系统时间。

以我遇到的Ubuntu系统上运行time.time和time.clock的例子：

time.time()显示系统时间过去大概1秒，而time.clock()显示花费在当前进程上的CPU时间只有于1毫秒。

而win下time.time()和time.clock()显示系统时间都是大致过去了1秒

在测量程序准确性能时应该使用哪一个呢？

这要视情况而定。如果程序运行的系统能够提供足够的资源给程序，例如，一个运行基于Python的web应用程序的web服务器，则使用time.clock()来测量程序会更有意义，因这个web应用程序可能是服务器上的主要程序 。如果程序运行的系统上还同时运行着其它大量程序，则使用time.time()进行测量会更有意义。 如果不是这样，就应该使用基于挂钟的计时器来测量程序的性能，因为这样通常能反应程序的环境。

放结论，一般情况下：

1、win用time.clock或time.time

2、linux 下用time.time  或 datetime.datetime.now().timestamp()

【1】（重要）https://blog.csdn.net/ao985438294363006/article/details/101349790    Python测量时间，用time.time还是time.clock 

⑤ python记录程序运行时间的三种方法

python记录程序运行时间的三种方法
这里提供了python记录程序运行时间的三种方法，并附有实现代码，最后进行比较，大家参考下：
方法1
import datetime
starttime = datetime.datetime.now()
#long running
endtime = datetime.datetime.now()
print (endtime - starttime).seconds
方法 2
start = time.time()
run_fun()
end = time.time()
print end-start
方法3
start = time.clock()
run_fun()
end = time.clock()
print end-start
方法1和方法2都包含了其他程序使用CPU的时间，是程序开始到程序结束的运行时间。
方法3算只计算了程序运行的CPU时间
感谢阅读，希望能帮助到大家

⑥ 7种检测Python程序运行时间、CPU和内存占用的方法

1. 使用装饰器来衡量函数执行时间

有一个简单方法，那就是定义一个装饰器来测量函数的执行时间，并输出结果：

import time

from functoolsimport wraps

import random

def fn_timer(function):

  @wraps(function)

  def function_timer(*args, **kwargs):

      t0= time.time()

      result= function(*args, **kwargs)

      t1= time.time()

      print("Total time running %s: %s seconds" %

          (function.__name__, str(t1- t0))

)

      return result

return function_timer

@fn_timer

def random_sort(n):

  return sorted([random.random() for i in range(n)])

if __name__== "__main__":

  random_sort(2000000)

输出：Total time running random_sort: 0.6598007678985596 seconds

使用方式的话，就是在要监控的函数定义上面加上 @fn_timer 就行了

或者

# 可监控程序运行时间

import time

import random

def clock(func):

    def wrapper(*args, **kwargs):

        start_time= time.time()

        result= func(*args, **kwargs)

        end_time= time.time()

        print("共耗时: %s秒" % round(end_time- start_time, 5))

        return result

return wrapper

@clock

def random_sort(n):

  return sorted([random.random() for i in range(n)])

if __name__== "__main__":

  random_sort(2000000)

输出结果：共耗时: 0.65634秒

2. 使用timeit模块

另一种方法是使用timeit模块，用来计算平均时间消耗。

执行下面的脚本可以运行该模块。

这里的timing_functions是Python脚本文件名称。

在输出的末尾，可以看到以下结果：4 loops, best of 5: 2.08 sec per loop

这表示测试了4次，平均每次测试重复5次，最好的测试结果是2.08秒。

如果不指定测试或重复次数，默认值为10次测试，每次重复5次。

3. 使用Unix系统中的time命令

然而，装饰器和timeit都是基于Python的。在外部环境测试Python时，unix time实用工具就非常有用。

运行time实用工具：

输出结果为：

Total time running random_sort: 1.3931210041 seconds

real 1.49

user 1.40

sys 0.08

第一行来自预定义的装饰器，其他三行为：

    real表示的是执行脚本的总时间

    user表示的是执行脚本消耗的CPU时间。

    sys表示的是执行内核函数消耗的时间。

注意：根据维基网络的定义，内核是一个计算机程序，用来管理软件的输入输出，并将其翻译成CPU和其他计算机中的电子设备能够执行的数据处理指令。

因此，Real执行时间和User+Sys执行时间的差就是消耗在输入/输出和系统执行其他任务时消耗的时间。

4. 使用cProfile模块

5. 使用line_profiler模块

6. 使用memory_profiler模块

7. 使用guppy包

⑦ Python如何获得程序运行时间的格式化显示

（1）在程序启动时获得当前时间：
recordTime = time.time()
（2）同时获得当前时间的格式化串：
startTime = time.strftime("%H%M%S")
（3）在主循环中按秒进行判断：
timeGap = time.time() - recordTime
if timeGap >= 1: #这是按1秒设置的，可以根据实际需要设置
recordTime += timeGap
showTime_String = get_lapseTime(startTime, time.strftime("%H%M%S"))
（4）函数：
def get_lapseTime(aTime, bTime):
aNum = 3600 * int(aTime[:2]) + 60 * int(aTime[2:4]) + int(aTime[-2:])
bNum = 3600 * int(bTime[:2]) + 60 * int(bTime[2:4]) + int(bTime[-2:])
gapH = (bNum - aNum) // 3600
gapM = ((bNum - aNum) % 3600) // 60
gapS = ((bNum - aNum) % 3600) % 60
gapTime = "%02d:%02d:%02d"%(gapH,gapM,gapS)
return(gapTime)

⑧ python语言运行速度如此差

这就要说到 Python 类语言和 C 类语言的主要区别了，Python 属于解释型语言，通俗来说就是你可以一句一句地输入，而 Python 解释器（Interpreter）可以一句一句地执行，而 C 语言属于编译型语言，无法做到这一点，只能一次性输入完成，编译成一个完整的程序再执行，而这个编译的过程由于现代编译器做了非常多的优化，并且你的程序没有输入只有输出，每次运行都出固定的结果，所以极有可能被编译器优化成为了只有一条输出语句（实际情况可能要复杂一些），总的来说就是由于二者之间原理的差异导致了性能的差异，你可以搜一搜相关的资料，关掉 C 语言编译时的优化，再看一下性能，或者将固定的那些值改为运行时需要输入再看一下效果。
Python 相较于 C 的优势有很多，性能这一方面你不需要关心，做出一个足够复杂的程序，它们之间运行效率差不了多少的。