网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

time.time

最普通的手段就是时间之差，其它编程语言中也都会到过此方法：

>>> from time import time
>>> def fib(n):
	if n<3:return 1
	return fib(n-1)+fib(n-2)

>>> t = time(); fib(30); time()-t
832040
0.4218752384185791
>>> t = time(); fib(35); time()-t
9227465
4.656255722045898
>>> t = time(); fib(40); time()-t
102334155
51.281249046325684
>>> 

斐波那契数列未改进的递归是比较耗时的，就专门以它为例了。

除time()函数外，时间库里可用来计时的函数有很多，还成对的(_ns后缀的以纳秒为单位)：

time.time()
time.time_ns()

time.monotonic()
time.monotonic_ns()

time.perf_counter()
time.perf_counter_ns()

time.process_time()
time.process_time_ns()

time.thread_time()
time.thread_time_ns()

区别一：

time 时间戳表示的是从1970年1月1日00:00:00开始按秒计算的偏移量
monotonic 表示的是从操作系统的启动时间开始按秒计算的偏移量
perf_counter 表示的是从程序的启动时间开始按秒计算的偏移量，如下面所举的例子中，它的返回值(613.323613)表示Python IDLE Shell窗口打开的时间。

如把perf_counter()放在源程序未尾结束处(比如放在语句_exit(0)前)就不用计算差值，返回的时间就是程序从启动到退出的时间。

>>> from time import time,monotonic,perf_counter
>>> time()
1633249386.5061808
>>> monotonic()
4594.25
>>> perf_counter()
613.323613
>>> 

区别二：

处理进程、线程时间的不受sleep影响

>>> from time import time,sleep,process_time,thread_time
>>> def fib(n):
	if n<3:return 1
	return fib(n-1)+fib(n-2)

>>> t = time(); fib(30); time()-t
832040
0.432178258895874
>>> t = thread_time(); fib(30); thread_time()-t
832040
0.421875
>>> t = time(); sleep(1); fib(30); sleep(1); time()-t
832040
2.463411569595337
>>> t = process_time(); sleep(1); fib(30); sleep(1); process_time()-t
832040
0.421875
>>> t = thread_time(); sleep(1); fib(30); sleep(1); thread_time()-t
832040
0.4375
>>> 

二、 Module timeit

比较适合测试小段代码：

>>> from timeit import timeit
>>> timeit(stmt='a=10;b=10;sum=a+b')
0.11455389999997578
>>> timeit(stmt='a=10;b=10;sum=a+b',number=10000)
0.0013638000000355532
>>> 

程序中的使用如下：

import timeit

def fib(n):
    if n<3:return 1
    return fib(n-1)+fib(n-2)
    
if __name__ == '__main__':

    tm = timeit.Timer('fib(40)', 'from __main__ import fib')
    print(tm.timeit(1))

注意： .timeit() 的参数number默认值为1000000，上例中tm.timeit()不用参数的话停不了

这个模块还能在DOS命令窗口下执行：

D:>python -m timeit -n 30 -s “import random” “[random.random() for i in range(100000)]”
30 loops, best of 5: 23.1 msec per loop

三、 Module cProfile

这个模块除了给出调用时间，还报告函数调用次数：

>>> from cProfile import Profile
>>> f = lambda n:1 if n<3 else f(n-1)+f(n-2)
>>> cp = Profile()
>>> cp.enable(); n = f(30); cp.disable()
>>> cp.print_stats()
         1664081 function calls (3 primitive calls) in 1.007 seconds

   Ordered by: standard name

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
1664079/1    1.007    0.000    1.007    1.007 <pyshell#70>:1(<lambda>)
        1    0.000    0.000    0.000    0.000 rpc.py:614(displayhook)
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}


>>> 2*f(30)-1
1664079
>>> 

为什么f(30)的调用次数ncalls = 2*f(30)-1，因为我用傻办法验证过所以我知道。

这个模块还能在DOS命令窗口下执行：

D:>python -m cProfile -s cumulative test1.py
         350 function calls (343 primitive calls) in 0.002 seconds

Ordered by: cumulative time

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
      3/1    0.000    0.000    0.002    0.002 {built-in method builtins.exec}
        1    0.000    0.000    0.002    0.002 test1.py:1()
      2/1    0.000    0.000    0.002    0.002 <frozen importlib._bootstrap>:986(_find_and_load)
      2/1    0.000    0.000    0.002    0.002 <frozen importlib._bootstrap>:956(_find_and_load_unlocked)
      2/1    0.000    0.000    0.001    0.001 <frozen importlib._bootstrap>:650(_load_unlocked)
        2    0.000    0.000    0.001    0.000 <frozen importlib._bootstrap>:890(_find_spec)
        1    0.000    0.000    0.001    0.001 <frozen importlib._bootstrap_external>:777(exec_module)
        1    0.000    0.000    0.001    0.001 <frozen importlib._bootstrap_external>:1334(find_spec)
        1    0.000    0.000    0.001    0.001 <frozen importlib._bootstrap_external>:1302(_get_spec)
        4    0.000    0.000    0.001    0.000 <frozen importlib._bootstrap_external>:1431(find_spec)
        6    0.000    0.000    0.001    0.000 <frozen importlib._bootstrap_external>:80(_path_stat)
        6    0.001    0.000    0.001    0.000 {built-in method nt.stat}

…省略很多行…

四、 Module line_profiler

运行时间逐行分析报告，测试文件test1.py源码如下：

@profile
def fib(n):


![img](https://img-blog.csdnimg.cn/img_convert/5efae6962032645e01a10d38d6a3805d.png)
![img](https://img-blog.csdnimg.cn/img_convert/83ea6c294a0255ff2ecb054f4b7b0e16.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化的资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618608311)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

1715005448336)]

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化的资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618608311)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**