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。

我使用这段代码来比较2种方法。我的操作系统是windows 8，处理器核心i5, RAM 4GB

import time

def t_time():
    start=time.time()
    time.sleep(0.1)
    return (time.time()-start)


def t_clock():
    start=time.clock()
    time.sleep(0.1)
    return (time.clock()-start)




counter_time=0
counter_clock=0

for i in range(1,100):
    counter_time += t_time()

    for i in range(1,100):
        counter_clock += t_clock()

print "time() =",counter_time/100
print "clock() =",counter_clock/100

输出:

time() = 0.0993799996376

clock() = 0.0993572257367

这取决于你在乎什么。如果您指的是WALL TIME(即墙上时钟上的时间)，则TIME .clock()不能提供精度，因为它可能管理CPU时间。

对比Ubuntu Linux和Windows 7的测试结果。

在Ubuntu上

>>> start = time.time(); time.sleep(0.5); (time.time() - start)
0.5005500316619873

Windows 7操作系统

>>> start = time.time(); time.sleep(0.5); (time.time() - start)
0.5

其他人回答了re: time.time() vs. time.clock()。

但是，如果您是为了基准测试/分析目的而对代码块的执行进行计时，则应该查看timeit模块。

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。