python程序執行時間

Ⅰ python 計算程序運行了多長時間

python 計算程序運行時間：

6.760052s

一、import time

Ⅱ Python測量程序運行時間，time.time與time.clock

現象描述：

1、time.clock 在win系統和linux系統下對相同程序的計時結果不一致

2、到底應該用什麼時間計時？為什麼用time.time與time.clock計時會有那麼大的差異

在計算機領域有多種時間。

第一種稱作CPU時間或執行時間，用於測量在執行一個程序時CPU所花費的時間。第二種稱作掛鍾時間，測量執行一個程序時的總時間。掛鍾時間也被稱作流逝時間或運行時間。與CPU時間相比，掛鍾時間通常長些，因為CPU執行測量的程序可能同時還在執行其它程序的指令。

另一個重要概念是所謂的系統時間，由系統時鍾測量。系統時間表示計算機系統時間傳遞的概念。要記住系統時鍾是可以由操作系統修改的，就是修改系統時間。

在Unix系統上，time.time的作用與Windows相同，但time.clock的意義不同。

在Unix系統上，time.clock以秒為單位返回當前處理器時間，例如，執行當前線程所花費的CPU時間。而在Windows上，它是以秒為單位的返回自首次調用該函數以來所流逝的系統時間。

以我遇到的Ubuntu系統上運行time.time和time.clock的例子：

time.time()顯示系統時間過去大概1秒，而time.clock()顯示花費在當前進程上的CPU時間只有於1毫秒。

而win下time.time()和time.clock()顯示系統時間都是大致過去了1秒

在測量程序准確性能時應該使用哪一個呢？

這要視情況而定。如果程序運行的系統能夠提供足夠的資源給程序，例如，一個運行基於Python的web應用程序的web伺服器，則使用time.clock()來測量程序會更有意義，因這個web應用程序可能是伺服器上的主要程序 。如果程序運行的系統上還同時運行著其它大量程序，則使用time.time()進行測量會更有意義。 如果不是這樣，就應該使用基於掛鍾的計時器來測量程序的性能，因為這樣通常能反應程序的環境。

放結論，一般情況下：

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測量時間，用time.time還是time.clock 

Ⅲ 用python+編寫一個程序,列印出執行1+1運行100次的時間

您好！您可以使用Python的time模塊來計算執行1+1運行100次的時間。首先，您需要在您的程序中導入時間模塊。然後，您可以使用time.time（）函數來獲取當前時間，並在開始執行運算之前調用它來獲取開始時間，在運算完成之後再調用它來獲取結束時間，然後將兩者相減來計算出總運行時間。下面是一個例子：
import time
# 記錄開始時間
start_time = time.time()
# 執行1+1運算100次
for i in range(100):
1 + 1
# 記錄結束時間
end_time = time.time()
# 計算運行時間
run_time = end_time - start_time
# 列印運行時間
print("運行時間: ", run_time)
希望這些信息對您有幫助！

Ⅳ 7種檢測Python程序運行時間、CPU和內存佔用的方法

1. 使用裝飾器來衡量函數執行時間

有一個簡單方法，那就是定義一個裝飾器來測量函數的執行時間，並輸出結果：

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)

輸出：Total time running random_sort: 0.6598007678985596 seconds

使用方式的話，就是在要監控的函數定義上面加上 @fn_timer 就行了

或者

# 可監控程序運行時間

import time

import random

def clock(func):

    def wrapper(*args, **kwargs):

        start_time= time.time()

        result= func(*args, **kwargs)

        end_time= time.time()

        print("共耗時: %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)

輸出結果：共耗時: 0.65634秒

2. 使用timeit模塊

另一種方法是使用timeit模塊，用來計算平均時間消耗。

執行下面的腳本可以運行該模塊。

這里的timing_functions是Python腳本文件名稱。

在輸出的末尾，可以看到以下結果：4 loops, best of 5: 2.08 sec per loop

這表示測試了4次，平均每次測試重復5次，最好的測試結果是2.08秒。

如果不指定測試或重復次數，默認值為10次測試，每次重復5次。

3. 使用Unix系統中的time命令

然而，裝飾器和timeit都是基於Python的。在外部環境測試Python時，unix time實用工具就非常有用。

運行time實用工具：

輸出結果為：

Total time running random_sort: 1.3931210041 seconds

real 1.49

user 1.40

sys 0.08

第一行來自預定義的裝飾器，其他三行為：

    real表示的是執行腳本的總時間

    user表示的是執行腳本消耗的CPU時間。

    sys表示的是執行內核函數消耗的時間。

注意：根據維基網路的定義，內核是一個計算機程序，用來管理軟體的輸入輸出，並將其翻譯成CPU和其他計算機中的電子設備能夠執行的數據處理指令。

因此，Real執行時間和User+Sys執行時間的差就是消耗在輸入/輸出和系統執行其他任務時消耗的時間。

4. 使用cProfile模塊

5. 使用line_profiler模塊

6. 使用memory_profiler模塊

7. 使用guppy包

Ⅳ python3.5中怎麼輸出運行時間

通過代碼實現。
具體代碼。start=time。clock（）run_fun（）end=time。clock（）printend-start這種演算法只計算了程序運行的CPU時間。
我們知道為了提高代碼的運行速度，我們需要對書寫的python代碼進行性能測試，而代碼性能的高低的直接反饋是電腦運行代碼所需要的時間。

Ⅵ 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。

Ⅶ python記錄程序運行時間的三種方法

python記錄程序運行時間的三種方法
這里提供了python記錄程序運行時間的三種方法，並附有實現代碼，最後進行比較，大家參考下：
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的時間，是程序開始到程序結束的運行時間。
方法3算只計算了程序運行的CPU時間
感謝閱讀，希望能幫助到大家

Ⅷ 在python里用time.time判斷函數的執行時間靠譜嗎

使用time.time來統計函數的執行時間，程序只會執行一次，存在很大的隨機因素。
timtit包就可以重復執行函數多次，然後將多次執行結果取平均值。相比起來更優。
然而程序執行時間很大程度還受計算機性能的影響，衡量程序好壞更靠譜的手段是計算時間復雜度。

Ⅸ Python如何獲得程序運行時間的格式化顯示

（1）在程序啟動時獲得當前時間：
recordTime = time.time()
（2）同時獲得當前時間的格式化串：
startTime = time.strftime("%H%M%S")
（3）在主循環中按秒進行判斷：
timeGap = time.time() - recordTime
if timeGap >= 1: #這是按1秒設置的，可以根據實際需要設置
recordTime += timeGap
showTime_String = get_lapseTime(startTime, time.strftime("%H%M%S"))
（4）函數：
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)