Time.time()就可以了。

import time

start = time.time()
# run your code
end = time.time()

elapsed = end - start

你可能想看看这个问题，但我认为没有必要。

您需要导入时间，然后使用time.time()方法来了解当前时间。

import time

start_time=time.time() #taking current time as starting time

#here your code

elapsed_time=time.time()-start_time #again taking current time - starting time 

为了最好地测量运行时间(自Python 3.3起)，请使用time.perf_counter()。

返回性能计数器的值(以小数秒为单位)，即具有最高可用分辨率的时钟，用于测量短时间。它确实包括睡眠期间所消耗的时间，并且是系统范围的。返回值的参考点未定义，因此只有连续调用结果之间的差值才是有效的。

对于小时/天量级的测量，您不关心亚秒级的分辨率，因此使用time.monotonic()代替。

返回单调时钟的值(以小数秒为单位)，即不能倒退的时钟。时钟不受系统时钟更新的影响。返回值的参考点未定义，因此只有连续调用结果之间的差值才是有效的。

在许多实现中，它们实际上可能是相同的东西。

在3.3之前，您只能使用time.clock()。

在Unix上，返回以秒表示的浮点数形式的当前处理器时间。精度，实际上是“处理器时间”的定义，取决于同名C函数的定义。 在Windows上，该函数根据Win32函数QueryPerformanceCounter()返回自第一次调用该函数以来经过的时钟秒数，作为浮点数。分辨率通常优于1微秒。

Python 3.7更新

Python 3.7中的新功能是PEP 564——添加具有纳秒分辨率的新时间函数。

使用这些函数可以进一步消除舍入和浮点错误，特别是在测量非常短的周期时，或者应用程序(或Windows机器)是长时间运行的。

大约100天后，perf_counter()上的分辨率开始分解。因此，例如，在正常运行一年之后，它可以测量的最短间隔(大于0)将比启动时更大。

Python 3.8的更新

时间。时钟现在没了。

start_time = time.time()
# your code
elapsed_time = time.time() - start_time

你也可以编写简单的装饰器来简化各种函数执行时间的测量:

import time
from functools import wraps

PROF_DATA = {}

def profile(fn):
    @wraps(fn)
    def with_profiling(*args, **kwargs):
        start_time = time.time()

        ret = fn(*args, **kwargs)

        elapsed_time = time.time() - start_time

        if fn.__name__ not in PROF_DATA:
            PROF_DATA[fn.__name__] = [0, []]
        PROF_DATA[fn.__name__][0] += 1
        PROF_DATA[fn.__name__][1].append(elapsed_time)

        return ret

    return with_profiling

def print_prof_data():
    for fname, data in PROF_DATA.items():
        max_time = max(data[1])
        avg_time = sum(data[1]) / len(data[1])
        print "Function %s called %d times. " % (fname, data[0]),
        print 'Execution time max: %.3f, average: %.3f' % (max_time, avg_time)

def clear_prof_data():
    global PROF_DATA
    PROF_DATA = {}

用法:

@profile
def your_function(...):
    ...

您可以同时分析多个函数。然后要打印测量值，只需调用print_prof_data():

Time.time()就可以了。

import time

start = time.time()
# run your code
end = time.time()

elapsed = end - start

你可能想看看这个问题，但我认为没有必要。

这是一个更新的Vadim Shender的聪明的代码与表格输出:

import collections
import time
from functools import wraps

PROF_DATA = collections.defaultdict(list)

def profile(fn):
    @wraps(fn)
    def with_profiling(*args, **kwargs):
        start_time = time.time()
        ret = fn(*args, **kwargs)
        elapsed_time = time.time() - start_time
        PROF_DATA[fn.__name__].append(elapsed_time)
        return ret
    return with_profiling

Metrics = collections.namedtuple("Metrics", "sum_time num_calls min_time max_time avg_time fname")

def print_profile_data():
    results = []
    for fname, elapsed_times in PROF_DATA.items():
        num_calls = len(elapsed_times)
        min_time = min(elapsed_times)
        max_time = max(elapsed_times)
        sum_time = sum(elapsed_times)
        avg_time = sum_time / num_calls
        metrics = Metrics(sum_time, num_calls, min_time, max_time, avg_time, fname)
        results.append(metrics)
    total_time = sum([m.sum_time for m in results])
    print("\t".join(["Percent", "Sum", "Calls", "Min", "Max", "Mean", "Function"]))
    for m in sorted(results, reverse=True):
        print("%.1f\t%.3f\t%d\t%.3f\t%.3f\t%.3f\t%s" % (100 * m.sum_time / total_time, m.sum_time, m.num_calls, m.min_time, m.max_time, m.avg_time, m.fname))
    print("%.3f Total Time" % total_time)