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。

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。

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()

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。