我想测量执行一个函数所花费的时间。我没时间工作：
import timeit
start = timeit.timeit()
print("hello")
end = timeit.timeit()
print(end - start)
当前回答
（仅使用Ipython）您可以使用%timeit来测量平均处理时间：
def foo():
print "hello"
然后：
%timeit foo()
结果如下：
10000 loops, best of 3: 27 µs per loop
其他回答
（仅使用Ipython）您可以使用%timeit来测量平均处理时间：
def foo():
print "hello"
然后：
%timeit foo()
结果如下：
10000 loops, best of 3: 27 µs per loop
时间也可以通过%timeit魔法函数测量，如下所示：
%timeit -t -n 1 print("hello")
n 1仅用于运行功能1次。
还有一种使用timeit的方法：
from timeit import timeit
def func():
return 1 + 1
time = timeit(func, number=1)
print(time)
基于https://stackoverflow.com/a/30024601/5095636，以下为无lambda版本，如flake8根据E731对lambda使用的警告：
from contextlib import contextmanager
from timeit import default_timer
@contextmanager
def elapsed_timer():
start_time = default_timer()
class _Timer():
start = start_time
end = default_timer()
duration = end - start
yield _Timer
end_time = default_timer()
_Timer.end = end_time
_Timer.duration = end_time - start_time
测试：
from time import sleep
with elapsed_timer() as t:
print("start:", t.start)
sleep(1)
print("end:", t.end)
t.start
t.end
t.duration
使用一个上下文管理器可以很有趣地做到这一点，它可以自动记住进入with块时的开始时间，然后在块退出时冻结结束时间。通过一些小技巧，您甚至可以从同一个上下文管理器函数获得块内的运行时间计数。
核心库没有这个（但可能应该有）。一旦就位，您可以执行以下操作：
with elapsed_timer() as elapsed:
# some lengthy code
print( "midpoint at %.2f seconds" % elapsed() ) # time so far
# other lengthy code
print( "all done at %.2f seconds" % elapsed() )
以下是足以完成此任务的contextmanager代码：
from contextlib import contextmanager
from timeit import default_timer
@contextmanager
def elapsed_timer():
start = default_timer()
elapser = lambda: default_timer() - start
yield lambda: elapser()
end = default_timer()
elapser = lambda: end-start
以及一些可运行的演示代码：
import time
with elapsed_timer() as elapsed:
time.sleep(1)
print(elapsed())
time.sleep(2)
print(elapsed())
time.sleep(3)
注意，通过设计此函数，elapsed（）的返回值在块退出时被冻结，并且进一步的调用返回相同的持续时间（在这个玩具示例中大约为6秒）。
