計算函數執行時長的方法

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。

1. 使用time.time()

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           

2. 使用time.perf_counter()

perf_counter是在python3.3新添加的，傳回性能計數器的值，傳回值是浮點型，統計結果包括睡眠的時間，單個函數的傳回值無意義，隻有多次運作取內插補點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           

3. 使用timeit.timeit ()

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

4. 使用裝飾器統計

在實際項目代碼中，可以通過裝飾器友善的統計函數運作耗時。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作耗時，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。

4.1 同步函數的統計

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()           

4.2 異步函數的統計

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           

5. with語句統計

通過實作 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，例如連接配接或斷開資料庫、打開或 關閉檔案、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