python時間納秒

『壹』 python 計算時間差秒

python 計算時間差秒：

上例演示了計算當前時間向後10小時的時間。

『貳』 「干貨」讓Python性能起飛的15個技巧，你知道幾個呢

前言

Python 一直以來被大家所詬病的一點就是執行速度慢，但不可否認的是 Python 依然是我們學習和工作中的一大利器。本文總結了15個tips有助於提升 Python 執行速度、優化性能。

關於 Python 如何精確地測量程序的執行時間，這個問題看起來簡單其實很復雜，因為程序的執行時間受到很多因素的影響，例如操作系統、Python 版本以及相關硬體（CPU 性能、內存讀寫速度）等。在同一台電腦上運行相同版本的語言時，上述因素就是確定的了，但是程序的睡眠時間依然是變化的，且電腦上正在運行的其他程序也會對實驗有干擾，因此嚴格來說這就是實驗不可重復。

我了解到的關於計時比較有代表性的兩個庫就是 time 和 timeit 。

其中， time 庫中有 time() 、 perf_counter() 以及 process_time() 三個函數可用來計時（以秒為單位），加後綴 _ns 表示以納秒計時（自 Python3.7 始）。在此之前還有 clock() 函數，但是在 Python3.3 之後被移除了。上述三者的區別如下：

與 time 庫相比， timeit 有兩個優點：

timeit.timeit(stmt='pass', setup='pass', timer= , number=1000000, globals=None) 參數說明：

本文所有的計時均採用 timeit 方法，且採用默認的執行次數一百萬次。

為什麼要執行一百萬次呢？因為我們的測試程序很短，如果不執行這么多次的話，根本看不出差距。

Exp1：將字元串數組中的小寫字母轉為大寫字母。

測試數組為 oldlist = ['life', 'is', 'short', 'i', 'choose', 'python']。

方法一

方法二

方法一耗時 0.5267724000000005s ，方法二耗時 0.41462569999999843s ，性能提升 21.29%

Exp2：求兩個 list 的交集。

測試數組：a = [1,2,3,4,5]，b = [2,4,6,8,10]。

方法一

方法二

方法一耗時 0.9507264000000006s ，方法二耗時 0.6148200999999993s ，性能提升 35.33%

關於 set() 的語法： | 、 & 、 - 分別表示求並集、交集、差集。

我們可以通過多種方式對序列進行排序，但其實自己編寫排序演算法的方法有些得不償失。因為內置的 sort() 或 sorted() 方法已經足夠優秀了，且利用參數 key 可以實現不同的功能，非常靈活。二者的區別是 sort() 方法僅被定義在 list 中，而 sorted() 是全局方法對所有的可迭代序列都有效。

Exp3：分別使用快排和 sort() 方法對同一列表排序。

測試數組：lists = [2,1,4,3,0]。

方法一

方法二

方法一耗時 2.4796975000000003s ，方法二耗時 0.05551999999999424s ，性能提升 97.76%

順帶一提， sorted() 方法耗時 0.1339823999987857s 。

可以看出， sort() 作為 list 專屬的排序方法還是很強的， sorted() 雖然比前者慢一點，但是勝在它「不挑食」，它對所有的可迭代序列都有效。

擴展 ：如何定義 sort() 或 sorted() 方法的 key

1.通過 lambda 定義

2.通過 operator 定義

operator 的 itemgetter() 適用於普通數組排序， attrgetter() 適用於對象數組排序

3.通過 cmp_to_key() 定義，最為靈活

Exp4：統計字元串中每個字元出現的次數。

測試數組：sentence='life is short, i choose python'。

方法一

方法二

方法一耗時 2.8105250000000055s ，方法二耗時 1.6317423000000062s ，性能提升 41.94%

列表推導（list comprehension）短小精悍。在小代碼片段中，可能沒有太大的區別。但是在大型開發中，它可以節省一些時間。

Exp5：對列表中的奇數求平方，偶數不變。

測試數組：oldlist = range(10)。

方法一

方法二

方法一耗時 1.5342976000000021s ，方法二耗時 1.4181957999999923s ，性能提升 7.57%

大多數人都習慣使用 + 來連接字元串。但其實，這種方法非常低效。因為， + 操作在每一步中都會創建一個新字元串並復制舊字元串。更好的方法是用 join() 來連接字元串。關於字元串的其他操作，也盡量使用內置函數，如 isalpha() 、 isdigit() 、 startswith() 、 endswith() 等。

Exp6：將字元串列表中的元素連接起來。

測試數組：oldlist = ['life', 'is', 'short', 'i', 'choose', 'python']。

方法一

方法二

方法一耗時 0.27489080000000854s ，方法二耗時 0.08166570000000206s ，性能提升 70.29%

join 還有一個非常舒服的點，就是它可以指定連接的分隔符，舉個例子

life//is//short//i//choose//python

Exp6：交換x，y的值。

測試數據：x, y = 100, 200。

方法一

方法二

方法一耗時 0.027853900000010867s ，方法二耗時 0.02398730000000171s ，性能提升 13.88%

在不知道確切的循環次數時，常規方法是使用 while True 進行無限循環，在代碼塊中判斷是否滿足循環終止條件。雖然這樣做沒有任何問題，但 while 1 的執行速度比 while True 更快。因為它是一種數值轉換，可以更快地生成輸出。

Exp8：分別用 while 1 和 while True 循環 100 次。

方法一

方法二

方法一耗時 3.679268300000004s ，方法二耗時 3.607847499999991s ，性能提升 1.94%

將文件存儲在高速緩存中有助於快速恢復功能。Python 支持裝飾器緩存，該緩存在內存中維護特定類型的緩存，以實現最佳軟體驅動速度。我們使用 lru_cache 裝飾器來為斐波那契函數提供緩存功能，在使用 fibonacci 遞歸函數時，存在大量的重復計算，例如 fibonacci(1) 、 fibonacci(2) 就運行了很多次。而在使用了 lru_cache 後，所有的重復計算只會執行一次，從而大大提高程序的執行效率。

Exp9：求斐波那契數列。

測試數據：fibonacci(7)。

方法一

方法二

方法一耗時 3.955014900000009s ，方法二耗時 0.05077979999998661s ，性能提升 98.72%

注意事項：

我被執行了（執行了兩次 demo(1, 2) ，卻只輸出一次）

functools.lru_cache(maxsize=128, typed=False) 的兩個可選參數：

點運算符( . )用來訪問對象的屬性或方法，這會引起程序使用 __getattribute__() 和 __getattr__() 進行字典查找，從而帶來不必要的開銷。尤其注意，在循環當中，更要減少點運算符的使用，應該將它移到循環外處理。

這啟發我們應該盡量使用 from ... import ... 這種方式來導包，而不是在需要使用某方法時通過點運算符來獲取。其實不光是點運算符，其他很多不必要的運算我們都盡量移到循環外處理。

Exp10：將字元串數組中的小寫字母轉為大寫字母。

測試數組為 oldlist = ['life', 'is', 'short', 'i', 'choose', 'python']。

方法一

方法二

方法一耗時 0.7235491999999795s ，方法二耗時 0.5475435999999831s ，性能提升 24.33%

當我們知道具體要循環多少次時，使用 for 循環比使用 while 循環更好。

Exp12：使用 for 和 while 分別循環 100 次。

方法一

方法二

方法一耗時 3.894683299999997s ，方法二耗時 1.0198077999999953s ，性能提升 73.82%

Numba 可以將 Python 函數編譯碼為機器碼執行，大大提高代碼執行速度，甚至可以接近 C 或 FORTRAN 的速度。它能和 Numpy 配合使用，在 for 循環中或存在大量計算時能顯著地提高執行效率。

Exp12：求從 1 加到 100 的和。

方法一

方法二

方法一耗時 3.7199997000000167s ，方法二耗時 0.23769430000001535s ，性能提升 93.61%

矢量化是 NumPy 中的一種強大功能，可以將操作表達為在整個數組上而不是在各個元素上發生。這種用數組表達式替換顯式循環的做法通常稱為矢量化。

在 Python 中循環數組或任何數據結構時，會涉及很多開銷。NumPy 中的向量化操作將內部循環委託給高度優化的 C 和 Fortran 函數，從而使 Python 代碼更加快速。

Exp13：兩個長度相同的序列逐元素相乘。

測試數組：a = [1,2,3,4,5], b = [2,4,6,8,10]

方法一

方法二

方法一耗時 0.6706845000000214s ，方法二耗時 0.3070132000000001s ，性能提升 54.22%

若要檢查列表中是否包含某成員，通常使用 in 關鍵字更快。

Exp14：檢查列表中是否包含某成員。

測試數組：lists = ['life', 'is', 'short', 'i', 'choose', 'python']

方法一

方法二

方法一耗時 0.16038449999999216s ，方法二耗時 0.04139250000000061s ，性能提升 74.19%

itertools 是用來操作迭代器的一個模塊，其函數主要可以分為三類：無限迭代器、有限迭代器、組合迭代器。

Exp15：返回列表的全排列。

測試數組：["Alice", "Bob", "Carol"]

方法一

方法二

方法一耗時 3.867292899999484s ，方法二耗時 0.3875405000007959s ，性能提升 89.98%

根據上面的測試數據，我繪制了下面這張實驗結果圖，可以更加直觀的看出不同方法帶來的性能差異。

從圖中可以看出，大部分的技巧所帶來的性能增幅還是比較可觀的，但也有少部分技巧的增幅較小（例如編號5、7、8，其中，第 8 條的兩種方法幾乎沒有差異）。

總結下來，我覺得其實就是下面這兩條原則：

內置庫函數由專業的開發人員編寫並經過了多次測試，很多庫函數的底層是用 C 語言開發的。因此，這些函數總體來說是非常高效的（比如 sort() 、 join() 等），自己編寫的方法很難超越它們，還不如省省功夫，不要重復造輪子了，何況你造的輪子可能更差。所以，如果函數庫中已經存在該函數，就直接拿來用。

有很多優秀的第三方庫，它們的底層可能是用 C 和 Fortran 來實現的，像這樣的庫用起來絕對不會吃虧，比如前文提到的 Numpy 和 Numba，它們帶來的提升都是非常驚人的。類似這樣的庫還有很多，比如Cython、PyPy等，這里我只是拋磚引玉。

原文鏈接：https://www.jb51.net/article/238190.htm

『叄』 用python計算時間長

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()獲取的是當前日期，在程序執行結束之後，這個方式獲得的時間值為程序執行的時間。

方法2：
start = time.time()
#long running
#do something other
end = time.time()
print end-start
time.time()獲取自紀元以來的當前時間（以秒為單位）。如果系統時鍾提供它們，則可能存在秒的分數。所以這個地方返回的是一個浮點型類型。這里獲取的也是程序的執行時間。

『肆』 有人知道在Python中如何判斷時間過去了1秒么有木有這樣的函數如何運用急！！！

利用Python自帶的time模塊，time.time()獲取當前的時間（以秒為單位），利用兩次獲取time.time()的時間差「==1」，即可確定時間過去了1秒。

如要求時間過去1秒後才可以執行後面的代碼有兩種方式：

（1）import time

time_before = time.time()

time_after = time.time()

while time_after - time_before <1:

time_after = time.time()

......................................後續代碼

（2）import time

time.sleep(1) #讓代碼在這里休息1秒鍾生再執行後面的代碼

......................................後續代碼

『伍』 如何用python獲得當前時間的秒數

importdatetime
now=datetime.datetime.now()
printnow.second

now裡面有其所有日期和時間的屬性

now.second獲得的是int型

『陸』 Python中怎麼把時間的小時提取出來作為一列

就是先獲取當前的時間戳，然後按格式輸出時間。
使用方式如下：1、打開終端，2、輸入：python，3、輸入：importtime，4、輸入：time.localtime([可以放入時間戳])，5、發現輸出了一個struct_time結構，6、輸入：time.localtime().tm_hour，7、獲得了當前的小時值。
提取時間的正則表達式主要介紹了Python使用re模塊正則提取字元串中括弧內的內容。

『柒』 幾種Python執行時間的計算方法

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()獲取的是當前日期，在程序執行結束之後，這個方式獲得的時間值為程序執行的時間。

方法2：

start = time.time()

#long running

#do something other

end = time.time()

print end-start

time.time()獲取自紀元以來的當前時間(以秒為單位)。如果系統時鍾提供它們，則可能存在秒的分數。所以這個地方返回的是一個浮點型類型。這里獲取的也是程序的執行時間。

方法3：

start = time.clock()

#long running

#do something other

end = time.clock()

print end-start

time.clock()返回程序開始或第一次被調用clock()以來的CPU時間。 這具有與系統記錄一樣多的精度。返回的也是一個浮點類型。這里獲得的是CPU的執行時間。

註：程序執行時間=cpu時間 + io時間 + 休眠或者等待時間。

關於幾種Python執行時間的計算方法，環球青藤小編就和大家分享到這里了，學習是永無止境的，學習一項技能更是受益終身，所以，只要肯努力學，什麼時候開始都不晚。如果您還想繼續了解關於python編程的學習方法及素材等內容，可以點擊本站其他文章學習。

『捌』 請教高手，python的時間單位是什麼

時間單位自然是秒（second）了。

import time
start = time.time()
# do something
end = time.time()
delta = end - start # is a float, unit: second

python中表達時間的函數有很多，包括date, datetime, time, 等等。
日期應該是沒有單位的，但是「差」是有單位的：day，hour，minute， second。具體採用什麼單位取決你的需求了。不過，second 是「萬能」的，可以使用mktime，strptime等函數進行轉換或者格式化成你想要的時間。

『玖』 python中如何將納秒時間戳轉換成秒

將這些時間從字元串類型轉換為整型
list = map(int, list)
然後除十的九次方
list = map(lambda e: e/1000000000.0, list)
也可一步到位：
list = map(lambda e: int(e)/1000000000.0, list)
使用for循環代碼是這樣的：
list = ['730740256','730740256','730740256']
seconds = []
for e in list:
seconds.append(int(e)/1000000000.0)

值得一提的是，變數名最好不要用list。因為覆蓋了Python的內置函數list。