正确答案:它们都是相同长度的分数。

但如果主题是时间，哪个更快?

一个小测试案例:

import timeit
import time

clock_list = []
time_list = []

test1 = """
def test(v=time.clock()):
    s = time.clock() - v
"""

test2 = """
def test(v=time.time()):
    s = time.time() - v
"""
def test_it(Range) :
    for i in range(Range) :
        clk = timeit.timeit(test1, number=10000)
        clock_list.append(clk)
        tml = timeit.timeit(test2, number=10000)
        time_list.append(tml)

test_it(100)

print "Clock Min: %f Max: %f Average: %f" %(min(clock_list), max(clock_list), sum(clock_list)/float(len(clock_list)))
print "Time  Min: %f Max: %f Average: %f" %(min(time_list), max(time_list), sum(time_list)/float(len(time_list)))

我不是在瑞士实验室工作，但我做过测试。

基于这个问题:time.clock()比time.time()更好

编辑:time.clock()是内部计数器，所以不能在外部使用，得到限制最大32位浮点数，如果不存储第一个/最后一个值，就不能继续计数。不能合并另一个计数器…

正如其他人所注意到的，time.clock()已被弃用，取而代之的是time.perf_counter()或time.process_time()，但Python 3.7通过time.perf_counter_ns()、time.process_time_ns()和time.time_ns()以及其他3个函数引入了纳秒分辨率计时。

PEP 564中详细介绍了这6个新的纳秒分辨率函数:

time.clock_gettime_ns (clock_id) 时间。clock_settime_ns (clock_id、时间:int) time.monotonic_ns () time.perf_counter_ns () time.process_time_ns () time.time_ns () 这些函数类似于没有_ns后缀的版本，但是 返回一个纳秒数作为Python int。

正如其他人也注意到的那样，使用timeit模块为函数和小代码段计时。

简单回答:在Python中使用time.clock()进行计时。

在*nix系统上，clock()返回处理器时间为浮点数，以秒表示。在Windows上，它以浮点数的形式返回自第一次调用此函数以来所经过的秒数。

time()返回自纪元以来的秒数，以UTC为单位，作为浮点数。不能保证您将获得比1秒更好的精度(即使time()返回一个浮点数)。还要注意，如果在两次调用该函数之间设置了系统时钟，那么第二次函数调用将返回一个较低的值。

简单的答案是:大多数时候time.clock()会更好。 然而，如果你正在为某些硬件计时(例如你在GPU中放入的某些算法)，那么time.clock()将摆脱这个时间，而time.time()是唯一剩下的解决方案。

注意:无论使用何种方法，计时将取决于您无法控制的因素(进程何时切换，频率如何，……)，这对于time.time()来说更糟糕，但对于time.clock()也存在，因此您永远不应该只运行一个计时测试，而是始终运行一系列测试并查看时间的均值/方差。

有一件事要记住: 修改系统时间会影响time.time()，但不会影响time.clock()。

我需要控制一些自动测试的执行。如果测试用例的一个步骤所花费的时间超过了给定的时间量，那么该TC就会中止以继续进行下一个步骤。

但是有时需要一个步骤来更改系统时间(检查被测试应用程序的调度器模块)，因此在几个小时后设置系统时间后，TC超时，测试用例被终止。我必须从time.time()切换到time.clock()来正确处理这个问题。

据我所知，time.clock()具有系统所允许的最大精度。