Python计算函数执行时间（五种案例）

柔情只为你懂 2022-12-30 12:55 163阅读 0赞

### Python计算函数执行时间 ###

*  1. time.time()
 *  2. time.perf\_counter() 推荐
 *  3. timeit.timeit ()
 *  4.装饰器统计运行耗时
 *  5. with 语句统计运行耗时

# 1. time.time() #

在计算函数执行时间时，这种时最简洁的一种方式，用两个时间戳做减法。

import time
    
    
    def func():
        print('func start')
        time.sleep(1)
        print('func end')
    
    
    t = time.time()
    func()
    print(f'coast:{time.time() - t:.4f}s')

结果为：

func start
    func end
    coast:1.0003s

这种方法很简单，也很常用，但是如果想更精确的计算函数的执行时间，就会产生精度缺失。

# 2. time.perf\_counter() 推荐 #

示例一中注释掉time.sleep(1),只统计两个 print 函数的执行时间：

import time
    
    
    def func():
        print('func start')
        # time.sleep(1)
        print('func end')
    
    
    t = time.time()
    func()
    print(f'coast:{time.time() - t:.8f}s')

func start
    func end
    coast:0.0000s

这就说明time.time() 函数的精度不是特别高，没法统计执行时间极短的函数耗时。

perf\_counter 函数是在 python3.3 中新添加的，它返回性能计数器的值，返回值是浮点型，统计结果包括睡眠的时间，单个函数的返回值无意义，只有多次运行取差值的结果才是有效的函数执行时间。

import time
    
    
    def func():
        print('func start')
        # time.sleep(1)
        print('func end')
    
    
    t = time.perf_counter()
    func()
    print(f'coast:{time.perf_counter() - t:.8f}s')

结果

func start
    func end
    coast:0.00001500s

结果并不是 0 秒， 而是一个很小的值，这说明 perf\_counter() 函数可以统计出 print 函数的执行耗时，并且统计精度要比 time.time() 函数要高，比较推荐作为计时器来使用。

# 3. timeit.timeit () #

timeit() 函数有 5 个参数，stmt=‘pass’, setup=‘pass’, timer=, number=1000000, globals=None。

*  stmt 参数是需要执行的语句，默认为 pass
 *  setup 参数是用来执行初始化代码或构建环境的语句，默认为 pass
 *  timer 是计时器，默认是 perf\_counter()
 *  number 是执行次数，默认为一百万
 *  globals 用来指定要运行代码的命名空间，默认为 None。

import time
    import timeit
    
    
    def func():
        print('func start')
        time.sleep(1)
        print('func end')
    
    
    print(timeit.timeit(stmt=func, number=1))

**以上方案中比较推荐使用的是 time.perf\_counter() 函数，它具有比较高的精度，同时还被用作 timeit 函数默认的计时器。**

# 4.装饰器统计运行耗时 #

在实际项目代码中，可以通过装饰器方便的统计函数运行耗时。

import time
    
    
    def coast_time(func):
        def fun(*args, **kwargs):
            t = time.perf_counter()
            result = func(*args, **kwargs)
            print(f'func {func.__name__} coast time:{time.perf_counter() - t:.8f} s')
            return result
    
        return fun
    
    
    @coast_time
    def test():
        print('func start')
        time.sleep(2)
        print('func end')
    
    
    if __name__ == '__main__':
        test()

如果有使用异步函数的需求也可以加上：

import asyncio
    import time
    from asyncio.coroutines import iscoroutinefunction
    
    
    def coast_time(func):
        def fun(*args, **kwargs):
            t = time.perf_counter()
            result = func(*args, **kwargs)
            print(f'func {func.__name__} coast time:{time.perf_counter() - t:.8f} s')
            return result
    
        async def func_async(*args, **kwargs):
            t = time.perf_counter()
            result = await func(*args, **kwargs)
            print(f'func {func.__name__} coast time:{time.perf_counter() - t:.8f} s')
            return result
    
        if iscoroutinefunction(func):
            return func_async
        else:
            return fun
    
    
    @coast_time
    def test():
        print('func start')
        time.sleep(2)
        print('func end')
    
    
    @coast_time
    async def test_async():
        print('async func start')
        await asyncio.sleep(2)
        print('async func end')
    
    
    if __name__ == '__main__':
        test()
        asyncio.get_event_loop().run_until_complete(test_async())

使用装饰器来统计函数执行耗时的好处是对函数的入侵性小，易于编写和修改。

装饰器装饰函数的方案只适用于统计函数的运行耗时，如果有代码块耗时统计的需求就不能用了，这种情况下我们可以使用 with 语句自动管理上下文。

# 5. with 语句统计运行耗时 #

通过实现 **enter** 和 **exit** 函数可以让我们在进入上下文和退出上下文时进行一些自定义动作，例如连接 / 断开数据库、打开 / 关闭文件、记录开始 / 结束时间等等，这里我们用来统计函数块的执行时间。

import asyncio
    import time
    
    
    class CoastTime(object):
        def __init__(self):
            self.t = 0
    
        def __enter__(self):
            self.t = time.perf_counter()
            return self
    
        def __exit__(self, exc_type, exc_val, exc_tb):
            print(f'coast time:{time.perf_counter() - self.t:.8f} s')
    
    
    def test():
        print('func start')
        with CoastTime():
            time.sleep(2)
            print('func end')
    
    
    async def test_async():
        print('async func start')
        with CoastTime():
            await asyncio.sleep(2)
            print('async func end')
    
    
    if __name__ == '__main__':
        test()
        asyncio.get_event_loop().run_until_complete(test_async())

with 语句不仅可以统计代码块的执行时间，也可以统计函数的执行时间，还可以统计多个函数的执行时间之和，相比装饰器来说对代码的入侵性比较大，不易于修改，好处是使用起来比较灵活，不用写过多的重复代码。