计算函数执行时长的方法

python开发，计算有时需要做性能分析及性能优化，函数这时就需要记录一些耗时函数执行时间问题，执行然后针对函数逻辑进行优化。时长

在python3中一般都有哪些方法呢。计算

1、函数使用time.time()

这种方法较简单，执行但如果想更精确的时长计算函数的执行时间，会产生精度缺失，计算没办法统计时间极短的函数函数耗时。

import time

def func():

time.sleep(1)

t = time.time()

func()

print(f耗时:{ time.time() - t:.4f}s)

耗时:1.0050s

2、执行使用time.perf_counter()

perf_counter是时长在python3.3新添加的，返回性能计数器的计算值，返回值是函数浮点型，统计结果包括睡眠的执行时间，单个函数的返回值无意义，只有多次运行取差值的结果才是有效的亿华云函数执行时间。

import time

def func():

print(hello world)

t = time.perf_counter()

func()

print(f耗时:{ time.perf_counter() - t:.8f}s)

hello world

耗时:0.00051790s

3、使用timeit.timeit ()

timeit()函数有5个参数:

stmt 参数是需要执行的语句，默认为 pass

setup 参数是用来执行初始化代码或构建环境的语句，默认为 pass

timer 是计时器，默认是 perf_counter()

number 是执行次数，默认为一百万

globals 用来指定要运行代码的命名空间，默认为 None

import timeit

def func():

print(hello world)

print(f耗时: { timeit.timeit(stmt=func, number=1)})

hello world

耗时: 0.0007705999999999824

4、使用装饰器统计

在实际项目代码中，可以通过装饰器方便的统计函数运行耗时。使用装饰器来统计函数执行耗时的好处是对函数的入侵性小，易于编写和修改。

装饰器装饰函数的方案只适用于统计函数的运行耗时，云服务器如果有代码块耗时统计的需求就不能用了，这种情况下可以使用 with 语句自动管理上下文。

（1）同步函数的统计

import time

def coast_time(func):

def fun(*args, **kwargs):

t = time.perf_counter()

result = func(*args, **kwargs)

print(f函数:{ func.__name__} 耗时:{ time.perf_counter() - t:.8f} s)

return result

return fun

@coast_time

def test():

print(hello world)

if __name__ == __main__:

test()

（2）异步函数的统计

import asyncio

import time

from asyncio.coroutines import iscoroutinefunction

def coast_time(func):

def fun(*args, **kwargs):

t = time.perf_counter()

result = func(*args, **kwargs)

print(f函数:{ func.__name__} 耗时:{ time.perf_counter() - t:.8f} s)

return result

async def func_async(*args, **kwargs):

t = time.perf_counter()

result = await func(*args, **kwargs)

print(f函数:{ func.__name__} 耗时:{ time.perf_counter() - t:.8f} s)

return result

if iscoroutinefunction(func):

return func_async

else:

return fun

@coast_time

def test():

print(hello test)

time.sleep(1)

@coast_time

async def test_async():

print(hello test_async)

await asyncio.sleep(1)

if __name__ == __main__:

test()

asyncio.get_event_loop().run_until_complete(test_async())

hello test

函数:test 耗时:1.00230700 s

hello test_async

函数:test_async 耗时:1.00572550 s

5、with语句统计

通过实现 enter 和 exit 函数可以在进入和退出上下文时进行一些自定义动作，例如连接或断开数据库、打开或 关闭文件、记录开始或结束时间等，例如：我们用来统计函数块的执行时间。

with语句不仅可以统计代码块的执行时间，也可以统计函数的执行时间，还可以统计多个函数的执行时间之和，相比装饰器来说对代码的入侵性比较大，不易于修改，好处是使用起来比较灵活，不用写过多的重复代码。

import asyncio

import time

class CoastTime(object):

def __init__(self):

self.t = 0

def __enter__(self):

self.t = time.perf_counter()

return self

def __exit__(self, exc_type, exc_val, exc_tb):

print(f耗时:{ time.perf_counter() - self.t:.8f} s)

def test():

print(hello test)

with CoastTime():

time.sleep(1)

async def test_async():

print(hello test_async)

with CoastTime():

await asyncio.sleep(1)

if __name__ == __main__:

test()

asyncio.get_event_loop().run_until_complete(test_async())

hello test

耗时:1.00723310 s

hello test_async

耗时:1.00366820 s