技術標籤：python 時間函式 毫秒

python的time內建模組是一個與時間相關的內建模組，很多人喜歡用time.time()獲取當前時間的時間戳，利用程式前後兩個時間戳的差值計算程式的執行時間，如下：

1.使用time.time()

import time
T1 = time.time()

#______假設下面是程式部分______
for i in range(100*100):
    pass

T2 = time.time()
print('程式執行時間:%s毫秒' % ((T2 - T1)*1000))
# 程式執行時間:0.0毫秒

不要以為你的處理器很厲害，就忽視了一個問題，一萬次遍歷，時間為0.0毫秒？

下面解決上面的質疑，

2.使用time.clock()

Python time clock() 函式以浮點數計算的秒數返回當前的CPU時間。用來衡量不同程式的耗時，比time.time()更有用。

這個需要注意，在不同的系統上含義不同。在UNIX系統上，它返回的是"程序時間"，它是用秒錶示的浮點數（時間戳）。而在WINDOWS中，第一次呼叫，返回的是程序執行的實際時間。而第二次之後的呼叫是自第一次呼叫以後到現在的執行時間。（實際上是以WIN32上QueryPerformanceCounter()為基礎，它比毫秒錶示更為精確）

使用time.clock()更改後的程式檢視一下：

import platform
print('系統:',platform.system())

import time
T1 = time.clock()

#______假設下面是程式部分______
for i in range(100*100):
    pass

T2 =time.clock()
print('程式執行時間:%s毫秒' % ((T2 - T1)*1000))
# 程式執行時間:0.27023641716203606毫秒

3.使用time.perf_counter()

返回效能計數器的值（以微秒為單位,1秒=1000毫秒；1毫秒=1000微秒）作為浮點數，即具有最高可用解析度的時鐘，以測量短持續時間。它包括在睡眠期間和系統範圍內流逝的時間。返回值的參考點未定義，因此只有連續呼叫結果之間的差異有效。

1秒 = 1000毫秒

1毫秒 = 1000微秒

1微秒 = 1000納秒

1納秒 = 1000皮秒

import platform
print('系統:',platform.system())

import time
T1 = time.perf_counter()

#______假設下面是程式部分______
for i in range(100*100):
    pass

T2 =time.perf_counter()
print('程式執行時間:%s毫秒' % ((T2 - T1)*1000))
# 系統: Windows
# 程式執行時間:0.3007180604248629毫秒

4.使用time.process_time()

返回當前程序的系統和使用者CPU時間總和的值（以小數微秒為單位）作為浮點數。

通常time.process_time()也用在測試程式碼時間上，根據定義，它在整個過程中。返回值的參考點未定義，因此我們測試程式碼的時候需要呼叫兩次，做差值。

注意process_time()不包括sleep()休眠時間期間經過的時間。

import platform
print('系統:',platform.system())

import time
T1 = time.process_time()

#______假設下面是程式部分______
for i in range(100*100):
    pass

T2 =time.process_time()
print('程式執行時間:%s毫秒' % ((T2 - T1)*1000))
# 系統: Windows
# 程式執行時間:0.0毫秒

寫在最後：

建議PC上使用time.perf_counter() 來計算程式的運算時間，特別是測試演算法在相鄰兩幀的處理時間，如果計算不準確，那可能會對演算法的速度過於自信。

尤其在嵌入式的板子的開發中，效能的測試中，請仔細選擇時間模組，比如某些嵌入式板子會封裝專門的模組。