如何在Python中計算執行時間

最近在工作上需要在python中去計算執行時間, 以下整理出幾個方法

1. 使用 time 模組

time 模組提供了基礎的計時功能，是測量簡單程式碼段執行時間的一個常見選擇。

import time

# 記錄開始時間
start_time = time.time()

# 要測量的程式碼
for _ in range(1000000):
    pass

# 記錄結束時間
end_time = time.time()

# 計算執行時間
execution_time = end_time - start_time

print(f"執行時間: {execution_time} 秒")

說明

• time.time() 返回當前時間的時間戳，單位為秒
• 通過計算開始和結束時間的差值，可以獲得程式碼的執行時間

2. 使用 timeit 模組

timeit 模組專門用於計算小段程式碼的執行時間。它提供了更精確的計時功能並且自動執行多次測量來減少隨機誤差。

import timeit

# 定義要測量的程式碼
code_to_test = """
for _ in range(1000000):
    pass
"""

# 計算執行時間
execution_time = timeit.timeit(code_to_test, number=1)

print(f"執行時間: {execution_time} 秒")

說明

• timeit.timeit() 函數接受要測量的程式碼和執行次數（number）作為參數。
• 該函數會返回執行指定次數後的總時間，通常是以秒為單位。

3. 使用 perf_counter 函數

perf_counter 函數提供了更高精度的計時器，適合用於測量非常短的時間段。

import time

# 記錄開始時間
start_time = time.perf_counter()

# 要測量的程式碼
for _ in range(1000000):
    pass

# 記錄結束時間
end_time = time.perf_counter()

# 計算執行時間
execution_time = end_time - start_time

print(f"執行時間: {execution_time} 秒")

說明

• time.perf_counter() 提供了高解析度的計時器，用於測量短時間間隔。
• 它的返回值比 time.time() 更精確，適合用於需要高精度測量的場景。

4. 使用 contextlib 的 contextmanager

contextlib 模組中的 contextmanager 可以用來創建一個上下文管理器，以方便地測量執行時間。

from contextlib import contextmanager
import time

@contextmanager
def timer():
    start_time = time.time()
    yield
    end_time = time.time()
    print(f"執行時間: {end_time - start_time} 秒")

# 使用上下文管理器來測量時間
with timer():
    for _ in range(1000000):
        pass

說明

• 使用 @contextmanager 裝飾器創建上下文管理器，可以簡化時間測量的代碼。
• 在 yield 之前的代碼是測量的開始點，yield 之後的代碼是測量的結束點。

總結

在 Python 中計算程式碼的執行時間有多種方法。根據需求，可以選擇不同的工具和方法：

• time 模組適合基本的時間測量。
• timeit 模組適合精確測量小段程式碼。
• perf_counter 提供高精度計時。
• 使用 contextlib 的 contextmanager 可以使時間測量代碼更為簡潔和可重用。

根據實際需求選擇合適的工具，可以幫助提高程式碼的性能並進行有效的優化。