timeit模块适合对一小段Python代码进行计时。它至少可以三种形式使用：

1-作为命令行模块

python2 -m timeit 'for i in xrange(10): oct(i)' 

2-对于短代码，将其作为参数传递。

import timeit
timeit.Timer('for i in xrange(10): oct(i)').timeit()

3-对于较长的代码，如：

import timeit
code_to_test = """
a = range(100000)
b = []
for i in a:
    b.append(i*2)
"""
elapsed_time = timeit.timeit(code_to_test, number=100)/100
print(elapsed_time)

测量小代码片段的执行时间。

时间单位：以秒为单位，以浮点数表示

import timeit
t = timeit.Timer('li = list(map(lambda x:x*2,[1,2,3,4,5]))')
t.timeit()
t.repeat()
>[1.2934070999999676, 1.3335035000000062, 1.422568500000125]

repeat（）方法可以方便地多次调用timeit（）并返回结果列表。重复（重复=3）¶有了这个列表，我们可以计算所有时间的平均值。默认情况下，timeit（）在计时期间暂时关闭垃圾收集。time.Timer（）解决了这个问题。赞成的意见：timeit.Timer（）使独立计时更具可比性。gc可能是被测函数性能的重要组成部分。如果是，gc（垃圾收集器）可以作为设置字符串中的第一条语句重新启用。例如：timeit.Timer（'li=列表（映射（lambda x:x*2，[1，2，3，4，5]）'，设置='gc.enable（）'）

源Python文档！

如何测量两次操作之间的时间。比较两次操作的时间。

import time

b = (123*321)*123
t1 = time.time()

c = ((9999^123)*321)^123
t2 = time.time()

print(t2-t1)

7.987022399902344e-05

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）。

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。

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。