Python统计函数执行时间（五种案例）

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。

结果为：

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。

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

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。

结果

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。

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

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。

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。

如果有使用异步函数的需求也可以加上：

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。

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。

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。