摘要：刚学Python，是不是经常感觉自己的代码跑得有点慢？或者好奇哪种写法更快？别瞎猜啦！今天我们就来掌握一个超实用技能——精确测量代码的执行时间！就像给代码装上秒表，揪出那些拖慢速度的“小乌龟”。方法简单，看完就能用！
刚学Python，是不是经常感觉自己的代码跑得有点慢？或者好奇哪种写法更快？别瞎猜啦！今天我们就来掌握一个超实用技能——精确测量代码的执行时间！就像给代码装上秒表，揪出那些拖慢速度的“小乌龟”。方法简单，看完就能用！
一、为啥要测时间？
想象一下，你写了两段都能完成任务的代码，但其中一段只要1秒，另一段却要5秒。如果你不知道谁快谁慢，可能就选了慢的那个！测量执行时间（也叫处理时间）能帮你：
找瓶颈： 发现代码里哪里最耗时，重点优化它。比方案： 测试不同算法或写法，哪个更快、更高效。做优化： 验证你的优化措施是否真的有效，别白忙活。纯好奇： 就是想知道某段代码到底跑了多久！对初学者来说，了解代码性能是迈向写出“好代码”的重要一步。
二、初阶神器：time模块（简单粗暴）
Python自带的time模块里有个超级简单的工具：time.time。它会告诉你一个基于1970年1月1日（计算机世界的“公元元年”）的当前时间戳（秒数）。
怎么用它测时间？三步搞定！
记录起点： 在你要测的代码块开始前，调用start_time = time.time。运行代码： 执行你想测量的代码。记录终点并计算： 在代码块结束后，调用end_time = time.time，然后算个减法processing_time = end_time - start_time。举个栗子：测个“睡觉”的函数
import time # 第一步：请出计时器def my_slow_function: print("开始干活...") time.sleep(2) # 假装这行是很耗时的操作，让程序睡2秒 print("干完啦！")# 开始计时！start_time = time.timemy_slow_function # 运行我们要测的函数# 结束计时并算结果end_time = time.timeprocessing_time = end_time - start_timeprint(f"这个函数执行花了：{processing_time:.2f} 秒") # :.2f 保留两位小数运行这段代码，你会看到输出大约是2.00秒（因为主要时间花在sleep(2)上了）。简单吧？
适合场景： 快速测量一个代码块或一个函数的总耗时，非常适合新手入门和日常简单检查。
三、进阶法宝：timeit模块（精准可靠）
time.time好用，但有个小缺点：只测一次，结果可能受当时电脑状态影响（比如后台突然开了个程序抢资源）。想要更精准、更稳定的结果？试试timeit模块！
timeit的核心思想是：反复执行代码很多次，然后取平均时间。这样就能大大减少偶然误差。
怎么用timeit？
import timeit # 请出精准计时器# 把你想要测量的代码，写成字符串（注意缩进）code_to_test = """def my_slow_function: time.sleep(2) # 还是这个耗时的操作my_slow_function # 记得调用它！"""# 让 timeit 帮你反复执行并计时# number=10 表示执行10次！total_time = timeit.timeit(code_to_test, number=10)# total_time 是执行 10次 的总时间print(f"执行10次总共花了：{total_time:.2f} 秒")# 通常我们会关心平均每次花了多久average_time = total_time / 10print(f"平均每次执行花了：{average_time:.6f} 秒") # 用科学计数法或更多小数位看更清楚关键点解释：
code_to_test = """...""": 用三个引号把你要测的代码包起来，变成一个字符串。代码缩进要保持正确。timeit.timeit(code_to_test, number=10):这是核心函数。第一个参数就是刚才包好的代码字符串。number=1000 告诉它“给我跑10遍！”（数字你可以自己改，比如100、10000）。函数会返回执行这10遍的总时间（秒）。算平均：通常我们更关心执行一次平均花了多久，所以用总时间除以次数 total_time / number。适合场景： 当你需要精确比较两段短小代码或微小修改的性能差异时（比如两种不同的循环写法哪个快），timeit是首选！它能给出更可靠的结果。
四、实战演练：比比谁更快？
假设你想解决一个问题，想到了两种写法（方法A和方法B），想知道哪个更快？
import time# 方法A (假设它慢一些)def method_a: # ... 这里放方法A的代码 ... time.sleep(1.5) # 假装方法A需要1.5秒# 方法B (假设它快一些)def method_b: # ... 这里放方法B的代码 ... time.sleep(1.0) # 假装方法B需要1.0秒# 测方法Astart_a = time.timemethod_aend_a = time.timetime_a = end_a - start_a# 测方法B (注意：最好重新赋值start/end变量，避免混淆)start_b = time.timemethod_bend_b = time.timetime_b = end_b - start_b# 比较结果print(f"方法A耗时: {time_a:.2f}秒")print(f"方法B耗时: {time_b:.2f}秒")if time_a运行这个例子，你会看到方法B更快！的结论。用这个小技巧，你就可以在写代码时做出更明智的选择啦！
五、给初学者的贴心提示
新手先用time： 简单够用，容易理解。精确比较用timeit： 当你想认真比较两种写法时，记得用它。代码要放对位置：time.time一定要紧贴在你真正想测量的代码前后。别把不相关的操作（比如打印大量信息）也包括进去。time.sleep是好帮手： 在学习和测试阶段，可以用time.sleep(秒数)在函数里模拟耗时操作（像上面的例子一样），方便你观察计时效果。时间单位： 默认结果都是秒（seconds）。如果时间很短，可能会出现类似 0.002345 秒的结果，这就是2.345毫秒（ms）。实践出真知： 赶紧在你的代码里挑一段试试看！测量一下那个循环、那个函数调用到底花了多久。掌握了测量代码执行时间的技巧，你就拥有了一个洞察程序性能的“透视眼”。无论是想找出拖后腿的“小乌龟”，还是想选出飞毛腿的“小兔子”，都变得轻而易举。从今天开始，在你的Python学习之路上，不妨多用用time和timeit这两个小工具，它们会让你的代码越写越棒！快去试试吧！
来源：信息科技云课堂
