Python统计代码运行时间的两种实用方法

前言

在Python开发中，统计代码运行时间是评估性能的关键环节。本文主要介绍两种较为常用的统计方式：一是通过编写代码进行内部计时，二是借助PyCharm编辑器自带的性能分析工具进行统计。

统计运行时间具有重要的实际意义，它不仅能够帮助开发者对比不同代码实现的耗时差异，还能用于评估不同技术方案的执行效率，从而辅助选择更优的性能方案。具体的统计操作步骤如下文所述。

方法1（推荐）：通过代码统计

具体操作步骤

• 首先导入time库：import time
• 在代码执行前获取开始时间：start = time.clock()
• 在此处编写需要统计运行时间的目标代码
• 在代码执行结束后获取结束时间：end = time.clock()
• 计算运行时间：runTime = end - start
• 输出运行时间：print("运行时间：", runTime)

补充

通过time.clock()获取的时间单位默认为秒（s）。

完整示例

import time

# time.clock()默认单位为s
# 获取开始时间
start = time.clock()
'''
代码开始
'''
sum = 0
for i in range(100):
    for j in range(100):
        sum = sum + i + j
print("sum = ", sum)
'''
代码结束
'''
# 获取结束时间
end = time.clock()
# 计算运行时间
runTime = end - start
runTime_ms = runTime * 1000
# 输出运行时间
print("运行时间：", runTime, "秒")
print("运行时间：", runTime_ms, "毫秒")

运行结果

方法2：通过PyCharm编辑器

打开Pycharm编辑器，定位到需要分析的脚本文件，点击菜单中的Run - Profile 'YourScript'选项，如图所示：

此外，点击PyCharm右上角带有时间标志的运行按钮也能达到相同的效果，如图所示：

执行上述操作后，系统将生成性能分析结果，用户可以在其中查看详细的运行时间数据，如图所示：

总结

至此，关于使用Python统计代码运行时间的两种方法介绍完毕。如需了解更多Python性能优化相关内容，建议查阅本站过往文章或继续浏览后续章节。感谢大家的支持！