Python 了解 time.perf_counter() 和 time.process_time()

在本文中，我们将介绍 Python 中的 time.perf_counter() 和 time.process_time() 方法，它们可以帮助我们测量代码的执行时间和处理器时间。

阅读更多：Python 教程

time.perf_counter()

time.perf_counter() 方法返回一个精确的浮点数，表示从计算机启动到调用该方法的时间间隔，以秒为单位。它具有良好的可移植性，适用于实现精密计时和性能分析。

下面是一个简单的示例，展示了如何使用 time.perf_counter() 计算一个函数的执行时间：

import time

def test_function():
    # 模拟一个耗时的操作
    time.sleep(2)

start_time = time.perf_counter()
test_function()
end_time = time.perf_counter()

execution_time = end_time - start_time
print(f"函数执行时间为：{execution_time} 秒")

在上面的示例中，我们定义了一个名为 test_function() 的函数，在函数中使用 time.sleep(2) 模拟一个耗时的操作。我们先调用 time.perf_counter() 方法获取当前时间，然后调用 test_function()，最后再次调用 time.perf_counter() 方法获取结束时间。通过计算两个时间点之间的差异，我们得到了函数的执行时间，并将其打印出来。

time.process_time()

time.process_time() 方法返回一个进程使用的 CPU 时间，以秒为单位。它主要用于测量代码在 CPU 上的执行时间，并不包括等待 IO 等非 CPU 消耗的时间。

下面是一个使用 time.process_time() 计算一个函数的 CPU 执行时间的示例：

import time

def test_function():
    # 模拟一个耗时的操作
    time.sleep(2)

start_time = time.process_time()
test_function()
end_time = time.process_time()

execution_time = end_time - start_time
print(f"函数的 CPU 执行时间为：{execution_time} 秒")

在上面的示例中，我们同样定义了一个名为 test_function() 的函数，在函数中使用 time.sleep(2) 模拟一个耗时的操作。我们先调用 time.process_time() 方法获取当前的 CPU 时间，然后调用 test_function()，最后再次调用 time.process_time() 方法获取结束的 CPU 时间。通过计算两个 CPU 时间之间的差异，我们得到了函数的 CPU 执行时间，并将其打印出来。

总结

在本文中，我们介绍了 Python 中的 time.perf_counter() 方法和 time.process_time() 方法，它们分别用于测量代码的执行时间和 CPU 执行时间。通过这两个方法，我们可以更准确地了解代码的性能表现，并进行性能优化。在实际开发中，我们可以根据需要选择合适的方法来进行时间测量和性能分析，从而提高代码的效率和质量。