1.運用場景

在很多的時候我們需要計算我們程式的效能，這個時候我們常常需要統計程式執行的時間。下面我們就來說說怎麼統計程式的執行時間。

2. 實現方法

計算Python的某個程式，或者是程式碼塊執行的時間一般有三種方法。方法一

import datetime
start = datetime.datetime.now()
run_function():
    # do something

end = datetime.datetime.now()
print (end-start)

執行結果顯示： 

方法二：

import time
start = time.time()
run_function()
end = time.time()

print str(end)
 

執行結果：

方法三：

import time
start = time.clock()
run_function()
end = time.clock()

print str(end-start)

執行結果： 

方法比較

通過對以上方法的比較我們發現，方法二的精度比較高。方法一基本上是效能最差的。這個其實是和系統有關係的。一般我們推薦使用方法二和方法三。我的系統是Ubuntu，也就是Linux系統，方法二返回的是UTC時間。 在很多系統中time.time()的精度都是非常低的，包括windows。

python 的標準庫手冊推薦在任何情況下儘量使用time.clock().但是這個函式在windows下返回的是真實時間（wall time）

方法一和方法二都包含了其他程式使用CPU的時間。方法三隻計算了程式執行CPU的時間。

方法二和方法三都返回的是浮點數

那究竟 time.clock() 跟 time.time()，誰比較精確呢？帶著疑問，查了 Python 的 time 模組文件，當中 clock() 方法有這樣的解釋： 
來自官方文件： 

time.clock() 返回的是處理器時間，而因為 Unix 中 jiffy 的緣故，所以精度不會太高。clock轉秒，除以1000000。

究竟是使用 time.clock() 精度高，還是使用 time.time() 精度更高，要視乎所在的平臺來決定。總概來講，在 Unix 系統中，建議使用 time.time()，在 Windows 系統中，建議使用 time.clock()。

我們要實現跨平臺的精度性，我們可以使用timeit 來代替time.

import timeit

start = timeit.default_timer()
do_func()
end = timeit.default_timer()
print str(end-start)