python计算程序的运行时间的方法(python程序，jupyter)

我不是女神ヾ 2023-07-23 11:54 3阅读 0赞

### python计算程序的运行时间的方法 ###

*   *   *  写在开头
         *  Python程序中经常使用方法
         *  jupyter 中的快捷统计程序运行时间的方法
         *  总结

### 写在开头 ###

由于平时工作、测试或者实验需要，经常需要计算程序运行时间，其运行环境一般是jupyter或非jupyter环境。本文将对其进行总结，方便下次使用（好记心不如烂笔头嘛）

### Python程序中经常使用方法 ###

python中用于计算时间的有time，datetime  
(1)其中time包提供了有关时间的方法，与计算当前时间有关的方法有**time(), clock(), perf\_counter(), process\_time(),default\_timer()**五种方法(严格来说是三种)  
(2)datatime中**datetime.datetime.now()**方法  
下面对这些方法一一进行介绍：  
(1)time()方法

import time
    start = time.time()
    time.sleep(2)
    end = time.time()
    print(end-start)

(2)datetime.now()

start = datetime.datetime.now()
    time.sleep(2)
    end = datetime.datetime.now()
    print(end-start)

(3)default\_timer()

import timeit
    start=timeit.default_timer()
    time.sleep(2)
    end=timeit.default_timer()
    print('Running time: %s Seconds'%(end-start))

(4)clock()

import time
    start = time.clock()
    time.sleep(2)
    end = time.clock()
    print(end-start)

但是会出现警告信息：

5: DeprecationWarning: time.clock has been deprecated in Python 3.3 and will be removed from Python 3.8: use time.perf_counter or time.process_time instead

即该方法在pyhon3.3版本之后就已经弃用了，在python3.8之后将会被移除，也就是说该方法在python3.8以前还可以用，但是不建议用，在python3.8以后再用就会报错了！而pref\_counter()和process\_time将会将其替代(区别后面介绍)

(5)pref\_counter()

import time
    start = time.perf_counter()
    time.sleep(2)
    end = time.perf_counter()
    print(end-start)

(6)process\_time()

import time
    start = time.process_time()
    time.sleep(2)
    end = time.process_time()
    print(end-start)

至于这两种方法区别的话，很简单，perf\_count()计算的是程序运行时间，以及sleep()方法时间；而process\_time()方法顾名思义，只是计算程序运行时间，不计算sleep()方法。所以，严格来说，pref\_counter()才是clock()的替代方法。

### jupyter 中的快捷统计程序运行时间的方法 ###

jupyter中提供了简洁的统计程序运行时间的方法，包括**%%time, %time, %timeit**方法  
(1)%%time(统计cell块运行时间)

%%time
    time.sleep(2)
    for i in range(10000):
    	print(i)

(2)%time（统计语句行运行时间）

%time time.sleep(2)

(3)%timeit（使用Python的timeit模块，它将会执行一个语句100，000次(默认情况下)，然后给出运行最快3次的平均值。）

x = 1000
    %timeit xx = x*x

输出：

99.7 ns ± 1.22 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

### 总结 ###

下面将对通用的计算程序运行时间的方法进行总结  
1、这些方法各有优缺点，time.time()方法与datetime.datetime.now()方法计算程序运行时间并不准确，因为他们还计算了其他程序占用CPU的时间。  
2、而time.clock()，time.perf\_counter()，time.process\_time()计算比较准确，但是python3.8以后clock()将被perf\_counter()方法所取代。  
3、系统平台也限制了这些方法统计时间的性能差异，因此，Linux下推荐使用time.time()；windows下使用time.perf\_counter()或者time().process\_time()方法；在为了实现跨平台的精度性时，可以使用timeit.default\_timer()方法。

【参考博客】  
\[1\]: [https://www.cnblogs.com/yuehouse/p/11493901.html][https_www.cnblogs.com_yuehouse_p_11493901.html]  
\[2\]: [https://blog.csdn.net/mxxxkuku/article/details/95784259][https_blog.csdn.net_mxxxkuku_article_details_95784259]  
\[3\]: [https://blog.csdn.net/qq\_27283619/article/details/89280974?depth\_1-utm\_source=distribute.pc\_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-5&utm\_source=distribute.pc\_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-5][https_blog.csdn.net_qq_27283619_article_details_89280974_depth_1-utm_source_distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-5_utm_source_distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-5]  
\[4\]: [https://blog.csdn.net/zdx1996/article/details/86583676?depth\_1-utm\_source=distribute.pc\_relevant.none-task-blog-OPENSEARCH-7&utm\_source=distribute.pc\_relevant.none-task-blog-OPENSEARCH-7][https_blog.csdn.net_zdx1996_article_details_86583676_depth_1-utm_source_distribute.pc_relevant.none-task-blog-OPENSEARCH-7_utm_source_distribute.pc_relevant.none-task-blog-OPENSEARCH-7]

[https_www.cnblogs.com_yuehouse_p_11493901.html]: https://www.cnblogs.com/yuehouse/p/11493901.html
[https_blog.csdn.net_mxxxkuku_article_details_95784259]: https://blog.csdn.net/mxxxkuku/article/details/95784259
[https_blog.csdn.net_qq_27283619_article_details_89280974_depth_1-utm_source_distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-5_utm_source_distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-5]: https://blog.csdn.net/qq_27283619/article/details/89280974?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-5&utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-5
[https_blog.csdn.net_zdx1996_article_details_86583676_depth_1-utm_source_distribute.pc_relevant.none-task-blog-OPENSEARCH-7_utm_source_distribute.pc_relevant.none-task-blog-OPENSEARCH-7]: https://blog.csdn.net/zdx1996/article/details/86583676?depth_1-utm_source=distribute.pc_relevant.none-task-blog-OPENSEARCH-7&utm_source=distribute.pc_relevant.none-task-blog-OPENSEARCH-7