据我所知，time.clock()具有系统所允许的最大精度。

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。

time.clock()在Python 3.8中被移除，因为它具有平台相关的行为:

在Unix上，返回以秒表示的浮点数形式的当前处理器时间。 在Windows上，此函数以浮点数的形式返回自第一次调用该函数以来经过的时钟秒数 打印(time.clock ());time . sleep (10);print (time.clock ()) # Linux: 0.0382 0.0384 #参见处理器时间 # Windows: 26.1224 36.1566 #见clock Time

那么选择哪个函数呢?

Processor Time: This is how long this specific process spends actively being executed on the CPU. Sleep, waiting for a web request, or time when only other processes are executed will not contribute to this. Use time.process_time() Wall-Clock Time: This refers to how much time has passed "on a clock hanging on the wall", i.e. outside real time. Use time.perf_counter() time.time() also measures wall-clock time but can be reset, so you could go back in time time.monotonic() cannot be reset (monotonic = only goes forward) but has lower precision than time.perf_counter()

在Linux上，time()比clock()具有更好的精度。Clock()的精度小于10毫秒。而time()提供完美的精度。 我的测试用的是CentOS 6.4和python 2.6

using time():

1 requests, response time: 14.1749382019 ms
2 requests, response time: 8.01301002502 ms
3 requests, response time: 8.01491737366 ms
4 requests, response time: 8.41021537781 ms
5 requests, response time: 8.38804244995 ms

使用时钟():

1 requests, response time: 10.0 ms
2 requests, response time: 0.0 ms 
3 requests, response time: 0.0 ms
4 requests, response time: 10.0 ms
5 requests, response time: 0.0 ms 
6 requests, response time: 0.0 ms
7 requests, response time: 0.0 ms 
8 requests, response time: 0.0 ms

据我所知，time.clock()具有系统所允许的最大精度。

在Unix上，time.clock()测量当前进程已使用的CPU时间量，因此它不适用于测量从过去某个点开始的流逝时间。在Windows上，它将测量自第一次调用函数以来所经过的时钟秒数。在任意一个系统上，time.time()将返回自epoch以来经过的秒数。

如果您正在编写仅用于Windows的代码，则两者都可以工作(尽管您将使用不同的方法- time.clock()不需要减法)。如果要在Unix系统上运行，或者您想要保证可移植的代码，则需要使用time.time()。