要深入了解递归调用的每个函数，请执行以下操作：

%load_ext snakeviz
%%snakeviz

它只需要在Jupyter笔记本中使用这两行代码，就可以生成一个很好的交互图。例如：

这是代码。同样，以%开头的2行是使用snakeviz所需的唯一额外代码行：

# !pip install snakeviz
%load_ext snakeviz
import glob
import hashlib

%%snakeviz

files = glob.glob('*.txt')
def print_files_hashed(files):
    for file in files:
        with open(file) as f:
            print(hashlib.md5(f.read().encode('utf-8')).hexdigest())
print_files_hashed(files)

在笔记本外运行snakeviz似乎也是可能的。更多信息请访问snakeviz网站。

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

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。

print_elapsed_time函数如下

def print_elapsed_time(prefix=''):
    e_time = time.time()
    if not hasattr(print_elapsed_time, 's_time'):
        print_elapsed_time.s_time = e_time
    else:
        print(f'{prefix} elapsed time: {e_time - print_elapsed_time.s_time:.2f} sec')
        print_elapsed_time.s_time = e_time

用这种方式

print_elapsed_time()
.... heavy jobs ...
print_elapsed_time('after heavy jobs')
.... tons of jobs ...
print_elapsed_time('after tons of jobs')

结果是

after heavy jobs elapsed time: 0.39 sec
after tons of jobs elapsed time: 0.60 sec  

这个函数的优点和缺点是你不需要经过开始时间

我喜欢简单（python 3）：

from timeit import timeit

timeit(lambda: print("hello"))

单个执行的输出为微秒：

2.430883963010274

说明：timeit默认执行匿名函数100万次，结果以秒为单位。因此，1次执行的结果相同，但平均以微秒为单位。

对于速度较慢的操作，添加较少的迭代次数，否则您可能会一直等待：

import time

timeit(lambda: time.sleep(1.5), number=1)

总迭代次数的输出始终以秒为单位：

1.5015795179999714

以下是我在阅读了许多好答案以及其他几篇文章之后的发现。

首先，如果你在timeit和time.time之间进行辩论，timeit有两个优点：

timeit选择操作系统和Python版本上可用的最佳计时器。然而，timeit禁用垃圾收集，这不是您可能想要或不想要的。

现在的问题是，时间并不是那么简单，因为它需要设置，当你有大量的导入时，事情会变得很糟糕。理想情况下，您只需要一个装饰器或使用块和度量时间。不幸的是，没有内置功能可用于此，因此您有两个选项：

选项1：使用时间预算库

timebudget是一个多功能且非常简单的库，您可以在pip安装后仅在一行代码中使用它。

@timebudget  # Record how long this function takes
def my_method():
    # my code

选项2：使用我的小模块

我创建了一个名为timing.py的计时实用程序模块。只需将这个文件放到项目中并开始使用它。唯一的外部依赖是runstats，它同样很小。

现在，只需在函数前面放置一个装饰器，就可以对任何函数计时：

import timing

@timing.MeasureTime
def MyBigFunc():
    #do something time consuming
    for i in range(10000):
        print(i)

timing.print_all_timings()

如果您想对代码的一部分计时，只需将其放入块中：

import timing

#somewhere in my code

with timing.MeasureBlockTime("MyBlock"):
    #do something time consuming
    for i in range(10000):
        print(i)

# rest of my code

timing.print_all_timings()

优势：

有几个半备份版本，所以我想指出几个亮点：

出于前面描述的原因，请使用timeit中的计时器，而不是time.time。如果需要，可以在计时期间禁用GC。Decorator接受带有命名或未命名参数的函数。能够在块计时中禁用打印（与timing.MeasureBlockTime（）一起使用为t，然后为t.passed）。能够为块计时启用gc。