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
使用探查器模块。它提供了非常详细的概况。
import profile
profile.run('main()')
它输出类似于：
5 function calls in 0.047 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 0.000 0.000 :0(exec)
1 0.047 0.047 0.047 0.047 :0(setprofile)
1 0.000 0.000 0.000 0.000 <string>:1(<module>)
0 0.000 0.000 profile:0(profiler)
1 0.000 0.000 0.047 0.047 profile:0(main())
1 0.000 0.000 0.000 0.000 two_sum.py:2(twoSum)
我发现它很有启发性。
其他回答
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)
（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
测量时间（秒）：
from timeit import default_timer as timer
from datetime import timedelta
start = timer()
# ....
# (your code runs here)
# ...
end = timer()
print(timedelta(seconds=end-start))
输出：
0:00:01.946339
使用探查器模块。它提供了非常详细的概况。
import profile
profile.run('main()')
它输出类似于：
5 function calls in 0.047 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 0.000 0.000 :0(exec)
1 0.047 0.047 0.047 0.047 :0(setprofile)
1 0.000 0.000 0.000 0.000 <string>:1(<module>)
0 0.000 0.000 profile:0(profiler)
1 0.000 0.000 0.047 0.047 profile:0(main())
1 0.000 0.000 0.000 0.000 two_sum.py:2(twoSum)
我发现它很有启发性。
除了ipython中的%timeit之外，您还可以使用%%timeit进行多行代码片段：
In [1]: %%timeit
...: complex_func()
...: 2 + 2 == 5
...:
...:
1 s ± 1.93 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
同样，它也可以以同样的方式在jupyter笔记本中使用，只需将magic%%timeit放在单元格的开头。
