哪个更适合用于Python中的计时？time.clock()或time.time()？哪一个提供更准确？
例如:
start = time.clock()
... do something
elapsed = (time.clock() - start)
与
start = time.time()
... do something
elapsed = (time.time() - start)
Jas*_*ete 154
作为3.3,time.clock()已被弃用,并且它建议使用time.process_time()或time.perf_counter()来代替.
以前在2.7中,根据时间模块文档:
time.clock()
在Unix上,将当前处理器时间返回为以秒为单位的浮点数.精度,实际上是"处理器时间"含义的定义,取决于同名C函数的精度,但无论如何,这是用于对Python或时序算法进行基准测试的函数.
在Windows上,此函数返回自第一次调用此函数以来经过的挂钟秒,作为浮点数,基于Win32函数QueryPerformanceCounter().分辨率通常优于1微秒.
此外,还有用于对代码段进行基准测试的timeit模块.
Pie*_*BdR 45
简短的回答是:大多数时候time.clock()会更好.但是,如果您正在计算某些硬件(例如您放入GPU中的某些算法),那么time.clock()将摆脱这一时间并且time.time()是唯一的解决方案.
注意:无论使用哪种方法,时间都取决于你无法控制的因素(进程何时切换,频率,......),这种情况会更糟,time.time()但也存在time.clock(),所以你不应该只进行一次计时测试,但总是进行一系列的测试,看看时间的均值/方差.
dF.*_*dF. 25
其他人已经回答了:time.time()vs time.clock().
但是,如果您为执行基准测试/分析目的而执行一段代码,则应该查看该timeit模块.
小智 19
要记住一件事:改变系统时间会影响time.time()但不会影响time.clock().
我需要控制一些自动测试执行.如果测试用例的一个步骤花费的时间超过给定的时间,则TC将被中止以继续下一个.
但有时需要一个步骤来更改系统时间(检查被测应用程序的调度程序模块),因此在将来几个小时后设置系统时间后,TC超时到期并且测试用例中止.我必须切换time.time()到time.clock()正确处理这个问题.
Vin*_*vic 18
clock() - >浮点数
返回自进程开始或第一次调用以来的CPU时间或实时clock().这与系统记录一样精确.
time() - >浮点数
返回自Epoch以来的当前时间(以秒为单位).如果系统时钟提供它们,则可以存在一秒的分数.
通常time()更精确,因为操作系统不会以精确度存储系统时间(即实际时间)来存储进程运行时间
小智 14
因为我自己time()比clock()Linux 更精确.clock()只有精度小于10毫秒.虽然time()给出了完美的精度.我的测试是在CentOS 6.4,python 2.6上
using time():
1 requests, response time: 14.1749382019 ms
2 requests, response time: 8.01301002502 ms
3 requests, response time: 8.01491737366 ms
4 requests, response time: 8.41021537781 ms
5 requests, response time: 8.38804244995 ms
using clock():
1 requests, response time: 10.0 ms
2 requests, response time: 0.0 ms
3 requests, response time: 0.0 ms
4 requests, response time: 10.0 ms
5 requests, response time: 0.0 ms
6 requests, response time: 0.0 ms
7 requests, response time: 0.0 ms
8 requests, response time: 0.0 ms
Chr*_*nds 10
正如其他人所指出的time.clock()，不推荐使用 time.perf_counter()or time.process_time()，但 Python 3.7 引入了纳秒分辨率计时，包括time.perf_counter_ns()、time.process_time_ns()、 和time.time_ns()，以及其他 3 个函数。
PEP 564中详细介绍了这 6 个新的纳秒分辨率函数：
time.clock_gettime_ns(clock_id)
time.clock_settime_ns(clock_id, time:int)
time.monotonic_ns()
time.perf_counter_ns()
time.process_time_ns()
time.time_ns()这些函数类似于没有 _ns 后缀的版本，但以 Python int 形式返回纳秒数。
正如其他人也指出的，使用该timeit模块对函数和小代码片段进行计时。
差异非常特定于平台.
例如,clock()在Windows上与在Linux上非常不同.
对于您描述的那种示例,您可能需要"timeit"模块.
我用这个代码来比较两种方法。我的操作系统是Windows 8，处理器核心i5，RAM 4GB
import time
def t_time():
start=time.time()
time.sleep(0.1)
return (time.time()-start)
def t_clock():
start=time.clock()
time.sleep(0.1)
return (time.clock()-start)
counter_time=0
counter_clock=0
for i in range(1,100):
counter_time += t_time()
for i in range(1,100):
counter_clock += t_clock()
print "time() =",counter_time/100
print "clock() =",counter_clock/100
输出：
time() = 0.0993799996376
clock() = 0.0993572257367
time.clock()在 Python 3.8 中被删除，因为它具有平台相关的行为：
在Windows上，此函数以浮点数形式返回自第一次调用此函数以来经过的挂钟秒数
print(time.clock()); time.sleep(10); print(time.clock())
# Linux : 0.0382 0.0384 # see Processor Time
# Windows: 26.1224 36.1566 # see Wall-Clock Time
那么应该选择哪个函数呢？
处理器时间：这是该特定进程在 CPU 上主动执行所花费的时间。睡眠、等待网络请求或仅执行其他进程的时间不会对此产生影响。
time.process_time()挂钟时间：这是指“挂在墙上的时钟”已经过去了多少时间，即超出实际时间。
使用time.perf_counter()
time.time()还可以测量挂钟时间，但可以重置，这样您就可以回到过去time.monotonic()无法重置（单调 = 仅前进），但精度低于time.perf_counter()