python開發，有時需要做性能分析及性能優化，這時就需要記錄一些耗時函數執行時間問題，然後針對函數邏輯進行優化。

在python3中一般都有哪些方法呢。

這種方法較簡單，但如果想更精确的計算函數的執行時間，會産生精度缺失，沒辦法統計時間極短的函數耗時。

import time def func(): time.sleep(1) t = time.time() func() print(f'耗時:{time.time() - t:.4f}s') 耗時:1.0050s

perf_counter是在python3.3新添加的，返回性能計數器的值，返回值是浮點型，統計結果包括睡眠的時間，單個函數的返回值無意義，隻有多次運行取差值的結果才是有效的函數執行時間。

import time def func(): print('hello world') t = time.perf_counter() func() print(f'耗時:{time.perf_counter() - t:.8f}s') hello world 耗時:0.00051790s

timeit()函數有5個參數: stmt 參數是需要執行的語句，默認為 pass setup 參數是用來執行初始化代碼或構建環境的語句，默認為 pass timer 是計時器，默認是 perf_counter() number 是執行次數，默認為一百萬 globals 用來指定要運行代碼的命名空間，默認為 None import timeit def func(): print('hello world') print(f'耗時: {timeit.timeit(stmt=func, number=1)}') hello world 耗時: 0.0007705999999999824

在實際項目代碼中，可以通過裝飾器方便的統計函數運行耗時。使用裝飾器來統計函數執行耗時的好處是對函數的入侵性小，易于編寫和修改。

裝飾器裝飾函數的方案隻适用于統計函數的運行耗時，如果有代碼塊耗時統計的需求就不能用了，這種情況下可以使用 with 語句自動管理上下文。

import time def coast_time(func): def fun(*args, **kwargs): t = time.perf_counter() result = func(*args, **kwargs) print(f'函數:{func.__name__} 耗時:{time.perf_counter() - t:.8f} s') return result return fun @coast_time def test(): print('hello world') if __name__ == '__main__': test()

import asyncio import time from asyncio.coroutines import iscoroutinefunction def coast_time(func): def fun(*args, **kwargs): t = time.perf_counter() result = func(*args, **kwargs) print(f'函數:{func.__name__} 耗時:{time.perf_counter() - t:.8f} s') return result async def func_async(*args, **kwargs): t = time.perf_counter() result = await func(*args, **kwargs) print(f'函數:{func.__name__} 耗時:{time.perf_counter() - t:.8f} s') return result if iscoroutinefunction(func): return func_async else: return fun @coast_time def test(): print('hello test') time.sleep(1) @coast_time async def test_async(): print('hello test_async') await asyncio.sleep(1) if __name__ == '__main__': test() asyncio.get_event_loop().run_until_complete(test_async()) hello test 函數:test 耗時:1.00230700 s hello test_async 函數:test_async 耗時:1.00572550 s

通過實現 enter 和 exit 函數可以在進入和退出上下文時進行一些自定義動作，例如連接或斷開數據庫、打開或 關閉文件、記錄開始或結束時間等，例如：我們用來統計函數塊的執行時間。

with語句不僅可以統計代碼塊的執行時間，也可以統計函數的執行時間，還可以統計多個函數的執行時間之和，相比裝飾器來說對代碼的入侵性比較大，不易于修改，好處是使用起來比較靈活，不用寫過多的重複代碼。

import asyncio import time class CoastTime(object): def __init__(self): self.t = 0 def __enter__(self): self.t = time.perf_counter() return self def __exit__(self, exc_type, exc_val, exc_tb): print(f'耗時:{time.perf_counter() - self.t:.8f} s') def test(): print('hello test') with CoastTime(): time.sleep(1) async def test_async(): print('hello test_async') with CoastTime(): await asyncio.sleep(1) if __name__ == '__main__': test() asyncio.get_event_loop().run_until_complete(test_async()) hello test 耗時:1.00723310 s hello test_async 耗時:1.00366820 s

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!