引言
在Python编程中，了解和优化代码的执行效率是非常重要的。准确测量语句或函数的执行时间可以帮助开发者识别性能瓶颈，从而进行针对性的优化。本文将介绍几种在Python中快速判断语句执行时长的技巧，帮助开发者提高代码性能。
方法一：使用
time.time()
time.time()
是Python标准库中的时间函数，它返回当前时间的时间戳。通过记录代码执行前后的时间戳，可以计算出代码的执行时间。
import time
def func():
time.sleep(1)
start_time = time.time()
func()
end_time = time.time()
print(f’耗时: {end_time – start_time:.4f} 秒’)
这种方法简单易用，但精度较低，不适合测量极短时间的执行。
方法二：使用
time.perf_counter()
time.perf_counter()
是Python 3.3及以上版本中新增的一个函数，它返回一个更高精度的性能计数器的值。通过记录代码执行前后的性能计数器值，可以计算出代码的执行时间。
import time
def func():
print(‘hello world’)
start_time = time.perf_counter()
func()
end_time = time.perf_counter()
print(f’耗时: {end_time – start_time:.8f} 秒’)
这种方法比
time.time()
更精确，适合测量短时间段的执行。
方法三：使用
timeit.timeit()
timeit.timeit()
是Python标准库中的
timeit
模块提供的函数，它可以多次执行一个语句或函数，并返回平均执行时间。这对于测量代码的性能非常有用。
import timeit
def func():
print(‘hello world’)
execution_time = timeit.timeit(‘func()’, globals=globals(), number=1000)
print(f’平均耗时: {execution_time / 1000:.8f} 秒’)
这种方法可以减少其他因素对执行时间的影响，得到更准确的性能数据。
方法四：使用装饰器
装饰器是一种在运行时动态修改函数或方法行为的技术。通过编写一个装饰器，可以在函数执行前后自动记录时间，从而测量函数的执行时间。
import time
def cost_time(func):
def wrapper(*args, **kwargs):
start_time = time.perf_counter()
result = func(*args, **kwargs)
end_time = time.perf_counter()
print(f’函数: {func.__name__} 耗时: {end_time – start_time:.8f} 秒’)
return result
return wrapper
@cost_time
def func():
print(‘hello world’)
func()
这种方法可以方便地应用于任何函数，无需修改函数本身的代码。
总结
本文介绍了四种在Python中测量语句执行时长的技巧，包括使用
time.time()
、
time.perf_counter()
、
timeit.timeit()
和装饰器。这些技巧可以帮助开发者更好地了解代码的性能，从而进行优化。在实际应用中，可以根据具体需求选择合适的方法。