python cProfile和pstats模块为测量某些函数的时间提供了强大的支持，而无需在现有函数周围添加任何代码。

例如，如果您有python脚本timeFunctions.py：

import time

def hello():
    print "Hello :)"
    time.sleep(0.1)

def thankyou():
    print "Thank you!"
    time.sleep(0.05)

for idx in range(10):
    hello()

for idx in range(100):
    thankyou()

要运行探查器并生成文件的统计信息，只需运行：

python -m cProfile -o timeStats.profile timeFunctions.py

这是在使用cProfile模块来评测timeFunctions.py中的所有函数，并在timeStats.profile文件中收集统计信息。注意，我们不必向现有模块（timeFunctions.py）添加任何代码，这可以通过任何模块来完成。

一旦有了stats文件，就可以按如下方式运行pstats模块：

python -m pstats timeStats.profile

这将运行交互式统计浏览器，它为您提供了许多不错的功能。对于您的特定用例，您可以只检查函数的统计信息。在我们的示例中，检查两个函数的统计信息显示如下：

Welcome to the profile statistics browser.
timeStats.profile% stats hello
<timestamp>    timeStats.profile

         224 function calls in 6.014 seconds

   Random listing order was used
   List reduced from 6 to 1 due to restriction <'hello'>

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
       10    0.000    0.000    1.001    0.100 timeFunctions.py:3(hello)

timeStats.profile% stats thankyou
<timestamp>    timeStats.profile

         224 function calls in 6.014 seconds

   Random listing order was used
   List reduced from 6 to 1 due to restriction <'thankyou'>

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
      100    0.002    0.000    5.012    0.050 timeFunctions.py:7(thankyou)

这个假例子做不了什么，但给了你一个可以做什么的想法。这种方法最好的一点是，我不必编辑任何现有代码来获取这些数字，并且显然有助于分析。

使用time.time来测量执行情况，可以获得命令的总体执行时间，包括计算机上其他进程花费的运行时间。这是用户注意到的时候，但如果你想比较不同的代码片段/算法/函数/。。。

有关timeit的更多信息：

使用timeit模块timeit–对少量Python代码的执行进行计时

如果您想深入了解剖析：

http://wiki.python.org/moin/PythonSpeed/PerformanceTips#Profiling_Code如何评测python脚本？

更新：我使用http://pythonhosted.org/line_profiler/在过去的一年中，我们做了很多工作，发现它非常有用，建议使用它来代替Pythons配置文件模块。

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。

下面是一个返回“hh:mm:ss”字符串的小型计时器类：

class Timer:
  def __init__(self):
    self.start = time.time()

  def restart(self):
    self.start = time.time()

  def get_time_hhmmss(self):
    end = time.time()
    m, s = divmod(end - self.start, 60)
    h, m = divmod(m, 60)
    time_str = "%02d:%02d:%02d" % (h, m, s)
    return time_str

用法：

# Start timer
my_timer = Timer()

# ... do something

# Get time string:
time_hhmmss = my_timer.get_time_hhmmss()
print("Time elapsed: %s" % time_hhmmss )

# ... use the timer again
my_timer.restart()

# ... do something

# Get time:
time_hhmmss = my_timer.get_time_hhmmss()

# ... etc

这是一种很晚的反应，但也许对某人来说是有目的的。这是一种我认为非常干净的方法。

import time

def timed(fun, *args):
    s = time.time()
    r = fun(*args)
    print('{} execution took {} seconds.'.format(fun.__name__, time.time()-s))
    return(r)

timed(print, "Hello")

请记住，“print”是Python 3中的函数，而不是Python 2.7中的函数。但是，它可以与任何其他功能一起使用。干杯

您可以使用Benchmark Timer（免责声明：我是作者）：

基准计时器使用BenchmarkTimer类来测量执行某段代码所需的时间。这比内置的timeit函数具有更大的灵活性，并且与其他代码在相同的范围内运行。安装pip安装git+https://github.com/michaelitvin/benchmark-timer.git@main#egg=基准计时器用法单次迭代示例从benchmark_timer导入BenchmarkTimer导入时间使用BenchmarkTimer（name=“MySimpleCode”）作为tm，tm.single_ieration（）：睡眠时间（.3）输出：正在对标MySimpleCode。。。MySimpleCode基准：n_iters=1 avg=0.300881s std=0.000000s range=[0.3000881s ~ 0.300881s]多次迭代示例从benchmark_timer导入BenchmarkTimer导入时间使用BenchmarkTimer（name=“MyTimedCode”，print_iters=True）作为tm：对于tm迭代中的timing_iteration（n=5，预热=2）：定时重复：睡眠时间（.1）打印（“\n===============\n”）print（“定时列表：”，列表（tm.timenings.values（）））输出：正在对标MyTimedCode。。。[MyTimedCode]iter=0耗时0.099755s（预热）[MyTimedCode]iter=1耗时0.100476秒（预热）[MyTimedCode]iter=2耗时0.100189秒[MyTimedCode]iter=3耗时0.099900s[MyTimedCode]iter=4耗时0.100888秒MyTimedCode基准：n_iters=3 avg=0.100326s std=0.000414s range=[0.099900s ~ 0.100888s]===================时间列表：[0.1001885000000001，0.09990049999999995，0.10088760000000008]