这些以毫秒为单位的1000的乘法对于解决或使某些先决条件可以接受可能是不错的。它可以用来填补数据库中从未真正使用过它的空白。不过，在需要精确计时的真实情况下，它最终会失败。我不建议任何人将这种方法用于需要在特定时间进行操作或处理的关键任务操作。

例如: 往返ping在美国是30-80毫秒…你不能简单地把它加起来并有效地使用它。

我自己的例子要求每秒钟都有任务，这意味着如果我在第一个任务响应后进行四舍五入，我仍然会导致处理时间乘以每个主循环周期。结果是每60秒调用一次函数。一天大约1440英镑。不太准确。

只是一个想法，让人们寻找更准确的推理，而不是解决从未真正使用过的数据库差距。

对于Python 3.7+， time.time_ns()给出自epoch以来以纳秒为单位经过的时间。

这给出了以毫秒为单位的整数时间:

import time

ms = time.time_ns() // 1_000_000

Time.time()可能只给出秒的分辨率，毫秒的首选方法是datetime。

from datetime import datetime
dt = datetime.now()
dt.microsecond

这些以毫秒为单位的1000的乘法对于解决或使某些先决条件可以接受可能是不错的。它可以用来填补数据库中从未真正使用过它的空白。不过，在需要精确计时的真实情况下，它最终会失败。我不建议任何人将这种方法用于需要在特定时间进行操作或处理的关键任务操作。

例如: 往返ping在美国是30-80毫秒…你不能简单地把它加起来并有效地使用它。

我自己的例子要求每秒钟都有任务，这意味着如果我在第一个任务响应后进行四舍五入，我仍然会导致处理时间乘以每个主循环周期。结果是每60秒调用一次函数。一天大约1440英镑。不太准确。

只是一个想法，让人们寻找更准确的推理，而不是解决从未真正使用过的数据库差距。

如果你关心测量流逝的时间，你应该使用单调时钟(python 3)。例如，如果一个NTP查询调整了你的系统时间，这个时钟不会受到系统时钟更新的影响。

>>> import time
>>> millis = round(time.monotonic() * 1000)

它提供了一个以秒为单位的参考时间，可用于以后比较以测量经过的时间。

如果您使用我的代码(如下所示)，时间将以秒为单位出现，然后在小数之后是毫秒。我认为Windows和Unix之间是有区别的——如果有，请评论。

from time import time

x = time()
print(x)

我的结果(在Windows上)是:

1576095264.2682993

编辑:没有区别:)谢谢tc0nn