在Python中测量函数运行和完成所需的时间

在Python3.4.1中，我试图测量函数运行和完成所需的时间，然后记录它。我现在是这样做的：

starttime = time.clock()
asyncio.wait_for((method()), 5)
endtime = time.clock()
print(endtime - starttime)

这通常会导致Python吐出大约6.2998986222767e-06（或0.00000629989986222767E）的内容。然后我试了一下。睡眠：

starttime = time.clock()
asyncio.wait_for((time.sleep(3)), 5)
endtime = time.clock()
print(endtime - starttime)

---

这再次导致了6.87261802845284E-06，尽管（至少我认为）应该需要3秒钟。我已经用线程尝试过了，结果是一样的。你怎么认为？如何测量函数运行和完成所需的时间？

我通常使用此装饰器来计时函数：

import time                                                
def timeit(method):
    def timed(*args, **kw):
        ts = time.time()
        result = method(*args, **kw)
        te = time.time()
        print '%r (%r, %r) %2.2f sec' % \
              (method.__name__, args, kw, te-ts)
        return result

    return timed

@timeit
def timeme():
    time.sleep(3)

time.time（）

为基准测试提供了比

time.clock（）

更精确的时间，这主要是因为

time.clock（）

测量CPU时间

time.time（）

将返回从epoch开始经过的秒数（即墙时间），这正是您需要的

---

或者您也可以使用

timeit

进行快速性能分析。我使用以下两行（加上导入）：

导入时间
将numpy作为np导入
t=time.time（）
# ...
打印np.round（time.time（）-t，3），“已用秒”

它很短，很简单，是我通常需要的

---

（在大多数情况下，我已经导入了

numpy

，所以这对我来说没有开销。）

我承认我对Python的asyncio不是很熟悉，但我相信问题不在于你的时间安排，而在于你对

asyncio

的使用

我认为你只是在用method（）的价值创造一个未来，然而这就是你所要计时的全部：这个承诺的实际创造

您没有对未来价值的实际评估进行计时。这就是为什么定时睡眠（3）和方法（）花费的时间大致相同

---

我建议尝试更改

asyncio.wait_for（（method（））、5）

和

yield from asyncio.wait_for（（method（））、3）

或者如果可以的话，只更改

timeing method（）

time

模块将不准确，因为它取决于cpu（cpu使用率较高时会变慢），请使用

timeit

模块而不是使用timeit模块使用

asyncio的目标是什么。wait_for（）

而不是调用

方法（）

directly？尝试测量方法完成所需的时间。但它必须测量调用该方法所用的时间，因为3秒的延迟并不需要0.0000062998986222767E秒来调用和完成。