关于python运行时间函数的信息

python延时函数

python延时函数是什么？一起来看看吧！

成都创新互联公司坚持“要么做到，要么别承诺”的工作理念，服务领域包括：网站设计、成都网站建设、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的普陀网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！

python延时函数即python time sleep() 函数，推迟调用线程的运行，可通过参数secs指秒数，表示进程挂起的时间。该函数没有返回值，sleep()方法语法：time.sleep(t)，t表示推迟执行的秒数。

函数接收一个指定函数fn，一个延迟时间ms和指定函数的参数*args，在指定延迟后，返回指定函数fn的调用结果。函数使用sleep()方法来进行延迟，然后调用指定函数。delay函数在调用的时候，可以使用lambda表达式的匿名函数，也可以使用一般函数。需要注意的是当fn存在关键字参数时会发生异常。

例如：

#!/usr/bin/python import time   print "Start : %s" % time.ctime() time.sleep( 5 ) print "End : %s" % time.ctime() Start : Tue Feb 17 10:19:18 2013 End : Tue Feb 17 10:19:23 2013 from time import sleepdef delay(fn, ms, *args):   sleep(ms / 1000)   return fn(*args)# EXAMPLESdelay(   lambda x: print(x),   1000,   'later') # prints 'later' after one second

Python获取当前时间前、后一个月的函数

这需求折腾了我半天..

import time

import datetime as datetime

def late_time(time2):

# 先获得时间数组格式的日期

#time2是外部传入的任意日期

now_time = datetime.datetime.strptime(time2, '%Y-%m-%d')

#如需求是当前时间则去掉函数参数改写      为datetime.datetime.now()

threeDayAgo = (now_time - datetime.timedelta(days =30))

# 转换为时间戳

timeStamp =int(time.mktime(threeDayAgo.timetuple()))

# 转换为其他字符串格式

otherStyleTime = threeDayAgo.strftime("%Y-%m-%d")

return otherStyleTime

a = late_time("2019-3-30")

print(a)# 打印2018-02-28

Python测量程序运行时间，time.time与time.clock

现象描述：

1、time.clock 在win系统和linux系统下对相同程序的计时结果不一致

2、到底应该用什么时间计时？为什么用time.time与time.clock计时会有那么大的差异

在计算机领域有多种时间。

第一种称作CPU时间或执行时间，用于测量在执行一个程序时CPU所花费的时间。第二种称作挂钟时间，测量执行一个程序时的总时间。挂钟时间也被称作流逝时间或运行时间。与CPU时间相比，挂钟时间通常长些，因为CPU执行测量的程序可能同时还在执行其它程序的指令。

另一个重要概念是所谓的系统时间，由系统时钟测量。系统时间表示计算机系统时间传递的概念。要记住系统时钟是可以由操作系统修改的，就是修改系统时间。

在Unix系统上，time.time的作用与Windows相同，但time.clock的意义不同。

在Unix系统上，time.clock以秒为单位返回当前处理器时间，例如，执行当前线程所花费的CPU时间。而在Windows上，它是以秒为单位的返回自首次调用该函数以来所流逝的系统时间。

以我遇到的Ubuntu系统上运行time.time和time.clock的例子：

time.time()显示系统时间过去大概1秒，而time.clock()显示花费在当前进程上的CPU时间只有于1毫秒。

而win下time.time()和time.clock()显示系统时间都是大致过去了1秒

在测量程序准确性能时应该使用哪一个呢？

这要视情况而定。如果程序运行的系统能够提供足够的资源给程序，例如，一个运行基于Python的web应用程序的web服务器，则使用time.clock()来测量程序会更有意义，因这个web应用程序可能是服务器上的主要程序 。如果程序运行的系统上还同时运行着其它大量程序，则使用time.time()进行测量会更有意义。 如果不是这样，就应该使用基于挂钟的计时器来测量程序的性能，因为这样通常能反应程序的环境。

放结论，一般情况下：

1、win用time.clock或time.time

2、linux 下用time.time  或 datetime.datetime.now().timestamp()

【1】（重要）    Python测量时间，用time.time还是time.clock 

7种检测Python程序运行时间、CPU和内存占用的方法

1. 使用装饰器来衡量函数执行时间

有一个简单方法，那就是定义一个装饰器来测量函数的执行时间，并输出结果：

import time

from functoolsimport wraps

import random

def fn_timer(function):

@wraps(function)

def function_timer(*args, **kwargs):

  t0= time.time()

  result= function(*args, **kwargs)

  t1= time.time()

  print("Total time running %s: %s seconds" %

      (function.__name__, str(t1- t0))

)

  return result

return function_timer

@fn_timer

def random_sort(n):

return sorted([random.random() for i in range(n)])

if __name__== "__main__":

random_sort(2000000)

输出：Total time running random_sort: 0.6598007678985596 seconds

使用方式的话，就是在要监控的函数定义上面加上 @fn_timer 就行了

或者

# 可监控程序运行时间

import time

import random

def clock(func):

def wrapper(*args, **kwargs):

    start_time= time.time()

    result= func(*args, **kwargs)

    end_time= time.time()

    print("共耗时: %s秒" % round(end_time- start_time, 5))

    return result

return wrapper

@clock

def random_sort(n):

return sorted([random.random() for i in range(n)])

if __name__== "__main__":

random_sort(2000000)

输出结果：共耗时: 0.65634秒

2. 使用timeit模块

另一种方法是使用timeit模块，用来计算平均时间消耗。

执行下面的脚本可以运行该模块。

这里的timing_functions是Python脚本文件名称。

在输出的末尾，可以看到以下结果：4 loops, best of 5: 2.08 sec per loop

这表示测试了4次，平均每次测试重复5次，最好的测试结果是2.08秒。

如果不指定测试或重复次数，默认值为10次测试，每次重复5次。

3. 使用Unix系统中的time命令

然而，装饰器和timeit都是基于Python的。在外部环境测试Python时，unix time实用工具就非常有用。

运行time实用工具：

输出结果为：

Total time running random_sort: 1.3931210041 seconds

real 1.49

user 1.40

sys 0.08

第一行来自预定义的装饰器，其他三行为：

real表示的是执行脚本的总时间

user表示的是执行脚本消耗的CPU时间。

sys表示的是执行内核函数消耗的时间。

注意：根据维基百科的定义，内核是一个计算机程序，用来管理软件的输入输出，并将其翻译成CPU和其他计算机中的电子设备能够执行的数据处理指令。

因此，Real执行时间和User+Sys执行时间的差就是消耗在输入/输出和系统执行其他任务时消耗的时间。

4. 使用cProfile模块

5. 使用line_profiler模块

6. 使用memory_profiler模块

7. 使用guppy包