问题：使用“时间”模块测量经过时间
使用python中的时间模块，可以测量经过的时间吗？如果是这样，我该怎么做？
我需要这样做，以便如果光标在小部件中已存在一定时间，则会发生事件。
回答 0
start_time = time.time()
# your code
elapsed_time = time.time() - start_time您还可以编写简单的装饰器来简化各种功能的执行时间的度量：
import time
from functools import wraps
PROF_DATA = {}
def profile(fn):
@wraps(fn)
def with_profiling(*args, **kwargs):
start_time = time.time()
ret = fn(*args, **kwargs)
elapsed_time = time.time() - start_time
if fn.__name__ not in PROF_DATA:
PROF_DATA[fn.__name__] = [0, []]
PROF_DATA[fn.__name__][0] += 1
PROF_DATA[fn.__name__][1].append(elapsed_time)
return ret
return with_profiling
def print_prof_data():
for fname, data in PROF_DATA.items():
max_time = max(data[1])
avg_time = sum(data[1]) / len(data[1])
print "Function %s called %d times. " % (fname, data[0]),
print 'Execution time max: %.3f, average: %.3f' % (max_time, avg_time)
def clear_prof_data():
global PROF_DATA
PROF_DATA = {}用法：
@profile
def your_function(...):
...您可以同时分析多个功能。然后要打印测量值，只需调用print_prof_data（）：
回答 1
time.time() 会做的工作。
import time
start = time.time()
# run your code
end = time.time()
elapsed = end - start您可能想看一下这个问题，但是我认为没有必要。
回答 2
对于想要更好格式的用户，
import time
start_time = time.time()
# your script
elapsed_time = time.time() - start_time
time.strftime("%H:%M:%S", time.gmtime(elapsed_time))将打印出2秒钟：
'00:00:02'一秒钟持续7分钟：
'00:07:01'请注意，使用gmtime的最小时间单位是秒。如果需要微秒，请考虑以下事项：
import datetime
start = datetime.datetime.now()
# some code
end = datetime.datetime.now()
elapsed = end - start
print(elapsed)
# or
print(elapsed.seconds,":",elapsed.microseconds) strftime 文档
回答 3
为了获得最佳的经过时间度量（自Python 3.3起），请使用time.perf_counter()。
返回性能计数器的值（以小数秒为单位），即具有最高可用分辨率的时钟以测量较短的持续时间。它确实包括整个系统的睡眠时间。返回值的参考点是不确定的，因此仅连续调用结果之间的差有效。
对于小时/天量级的测量，您不必担心亚秒级分辨率，请time.monotonic()改用。
返回单调时钟的值（以小数秒为单位），即不能向后移动的时钟。时钟不受系统时钟更新的影响。返回值的参考点是不确定的，因此仅连续调用结果之间的差有效。
在许多实现中，这些实际上可能是同一件事。
在3.3之前，您会受困于time.clock()。
在Unix上，以秒为单位返回当前处理器时间，以浮点数表示。精度，实际上是“处理器时间”含义的确切定义，取决于同名C函数的精度。
在Windows上，此函数将基于Win32函数QueryPerformanceCounter（）返回自第一次调用此函数以来经过的时间（以秒为单位）的浮点数。分辨率通常优于一微秒。
Python 3.7更新
PEP 564是Python 3.7中的新功能-添加具有纳秒分辨率的新时间函数。
使用这些可以进一步消除舍入和浮点错误，尤其是在测量周期很短或应用程序（或Windows计算机）正在长时间运行时。
perf_counter()大约100天后，分辨率开始下降。因此，例如，经过一年的正常运行时间后，它可以测量的最短间隔（大于0）将大于开始时的间隔。
Python 3.8更新
time.clock 现在不见了。
回答 4
更长的时间。
import time
start_time = time.time()
...
e = int(time.time() - start_time)
print('{:02d}:{:02d}:{:02d}'.format(e // 3600, (e % 3600 // 60), e % 60))会打印
00:03:15如果超过24小时
25:33:57这是受到罗格·霍夫斯特（Rutger Hofste）的回答的启发。谢谢罗格！
回答 5
您需要导入时间，然后使用time.time（）方法知道当前时间。
import time
start_time=time.time() #taking current time as starting time
#here your code
elapsed_time=time.time()-start_time #again taking current time - starting time 回答 6
安排时间的另一种不错的方法是使用with python结构。
具有结构的对象会自动调用__enter__和__exit__方法，这正是我们计时所需的时间。
让我们创建一个Timer类。
from time import time
class Timer():
def __init__(self, message):
self.message = message
def __enter__(self):
self.start = time()
return None # could return anything, to be used like this: with Timer("Message") as value:
def __exit__(self, type, value, traceback):
elapsed_time = (time() - self.start) * 1000
print(self.message.format(elapsed_time))然后，可以使用Timer类，如下所示：
with Timer("Elapsed time to compute some prime numbers: {}ms"):
primes = []
for x in range(2, 500):
if not any(x % p == 0 for p in primes):
primes.append(x)
print("Primes: {}".format(primes))结果如下：
素数：[2、3、5、7、11、13、17、19、23、29、31、37、41、43、47、53、59、61、67、71、73、79、83、89 ，97，101，103，107，109，113，127，131，137，139，149，151，157，163，167，173，179，181，191，193，197，199，211，223，227 ，229、233、239、241、251、257、263、269、271、277、281、283、293、307、311、313、317、331、337、347、349、353、359、367、373 ，379，383，389，397，401，409，419，421，431，433，439，443，449，457，461，463，467，479，487，491，499]
计算一些质数所需的时间：5.01704216003418ms
回答 7
Vadim Shender的反应很棒。您还可以使用以下更简单的装饰器：
import datetime
def calc_timing(original_function):
def new_function(*args,**kwargs):
start = datetime.datetime.now()
x = original_function(*args,**kwargs)
elapsed = datetime.datetime.now()
print("Elapsed Time = {0}".format(elapsed-start))
return x
return new_function()
@calc_timing
def a_func(*variables):
print("do something big!")回答 8
在编程中，有两种主要的时间测量方法，结果不同：
>>> print(time.process_time()); time.sleep(10); print(time.process_time())
0.11751394000000001
0.11764988400000001 # took 0 seconds and a bit
>>> print(time.perf_counter()); time.sleep(10); print(time.perf_counter())
3972.465770326
3982.468109075 # took 10 seconds and a bit处理器时间：这是该特定进程在CPU上主动执行所花费的时间。睡眠，等待Web请求或仅执行其他进程的时间不会对此有所帮助。
- 采用
time.process_time()
- 采用
墙上时钟时间：这指的是“挂在墙上的时钟上”经过了多少时间，即不是实时时间。
采用
time.perf_counter()time.time()还可以测量挂钟时间，但可以重置，因此您可以返回到过去time.monotonic()无法重置（单调=仅前进），但精度低于time.perf_counter()
回答 9
这是Vadim Shender的巧妙代码的更新，带有表格输出：
import collections
import time
from functools import wraps
PROF_DATA = collections.defaultdict(list)
def profile(fn):
@wraps(fn)
def with_profiling(*args, **kwargs):
start_time = time.time()
ret = fn(*args, **kwargs)
elapsed_time = time.time() - start_time
PROF_DATA[fn.__name__].append(elapsed_time)
return ret
return with_profiling
Metrics = collections.namedtuple("Metrics", "sum_time num_calls min_time max_time avg_time fname")
def print_profile_data():
results = []
for fname, elapsed_times in PROF_DATA.items():
num_calls = len(elapsed_times)
min_time = min(elapsed_times)
max_time = max(elapsed_times)
sum_time = sum(elapsed_times)
avg_time = sum_time / num_calls
metrics = Metrics(sum_time, num_calls, min_time, max_time, avg_time, fname)
results.append(metrics)
total_time = sum([m.sum_time for m in results])
print("\t".join(["Percent", "Sum", "Calls", "Min", "Max", "Mean", "Function"]))
for m in sorted(results, reverse=True):
print("%.1f\t%.3f\t%d\t%.3f\t%.3f\t%.3f\t%s" % (100 * m.sum_time / total_time, m.sum_time, m.num_calls, m.min_time, m.max_time, m.avg_time, m.fname))
print("%.3f Total Time" % total_time)