一.運用場景

在很多的時候我們需要計算我們程式的效能，這個時候我們常常需要統計程式執行的時間。下面我們就來說說怎麼統計程式的執行時間。

二、實現方法

1、datetime

1.import datetime
2.start = datetime.datetime.now()
3.run_function():
    4.# do something
5.
6.end = datetime.datetime.now()
7.print (end-start)

執行結果顯示：

2、time

1.import time
2.start = time.time()
3.run_function()
4.end = time.time()
5.
6.print str(end)

執行結果如下：

3、clock

1.import time
2.start = time.clock()
3.run_function()
4.end = time.clock()
5.
6.print str(end-start)

執行結果如下：

三、方法比較

• 通過對以上方法的比較我們發現，方法二的精度比較高。方法一基本上是效能最差的。這個其實是和系統有關係的。一般我們推薦使用方法二和方法三。我的系統是Ubuntu，也就是Linux系統，方法二返回的是UTC時間。 在很多系統中time.time()的精度都是非常低的，包括windows。

• python 的標準庫手冊推薦在任何情況下儘量使用time.clock().但是這個函式在windows下返回的是真實時間（wall time）

• 方法一和方法二都包含了其他程式使用CPU的時間。方法三隻計算了程式執行CPU的時間。

• 方法二和方法三都返回的是浮點數

四、解決方法

time.clock() 返回的是處理器時間，而因為 Unix 中 jiffy 的緣故，所以精度不會太高。clock轉秒，除以1000000。

究竟是使用 time.clock() 精度高，還是使用 time.time() 精度更高，要視乎所在的平臺來決定。總概來講，在 Unix 系統中，建議使用 time.time()，在 Windows 系統中，建議使用 time.clock()。

我們要實現跨平臺的精度性，我們可以使用timeit 來代替time.

1.import timeit
2.
3.start = timeit.default_timer()
4.do_func()
5.end = timeit.default_timer()
6.print str(end-start)