使用 time.perf_counter() 可实现纳秒级精度的单调计时，专为测量短时间间隔设计，避免了 time.time() 的系统时钟漂移和低分辨率问题。
使用 `time.perf_counter()` 可实现纳秒级精度的单调计时，专为测量短时间间隔设计，避免了 `time.time()` 的系统时钟漂移和低分辨率问题。
在科学计算、算法性能分析（如牛顿法收敛速度评估）等场景中，若待测操作本身极快（常为微秒甚至纳秒量级），使用 time.time() 会导致大量“0.0000000000”输出——因其典型分辨率仅约 1–15 毫秒（取决于操作系统和硬件），远不足以捕捉单次牛顿迭代的耗时。
✅ 正确做法：改用 time.perf_counter()
该函数返回一个高分辨率、单调递增的时钟值（单位：秒，实际精度可达纳秒级），专为性能测量而设计，不受系统时间调整影响，是 Python 官方推荐的“测量经过时间”的首选工具。
? 修改你的代码如下（关键改动已加注释）：
import time
def f(x):
return x**2 - 4
def fderiv(x):
return 2 * x
def Newton(x):
return x - f(x) / fderiv(x)
zero = 2.0
for n in range(-100, 100):
start_val = zero + n / 100.0
current = start_val
difference = abs(current - zero)
# ✅ 使用 perf_counter 替代 time.time()
start_time = time.perf_counter()
try:
while difference > 1e-5: # 建议用科学计数法提升可读性
current = Newton(current)
difference = abs(current - zero)
# ✅ 精确获取经过时间（自动具备最高可用精度）
elapsed = time.perf_counter() - start_time
print(f"{start_val:.2f}: elapsed time is {elapsed:.9f} s")
except (ZeroDivisionError, OverflowError):
print(f"{start_val:.2f}: Error")
? 补充建议：
A Python CLI skill for Cutout.Pro visual APIs — background removal, face cutout, and photo enhancement. Supports file upload & image URL input.
下载
调用 Cutout.Pro 视觉处理 API 进行背景移除、人像抠图和照片增强，支持文件上传与图片 URL 输入。
-
避免
time.process_time()：它只统计 CPU 时间，忽略等待（如 I/O），但牛顿法纯计算，看似可行；然而其在多线程/子进程下行为复杂，且不保证跨平台高精度，perf_counter更通用可靠。 -
慎用
time.time_ns()：虽返回纳秒整数，但底层仍依赖系统时钟，可能有抖动或非单调性；perf_counter()在内部已做优化，更稳健。 -
多次运行取最小值：单次测量易受系统噪声干扰。如需更高置信度，可对同一输入重复执行 3–5 次，取
min(elapsed_times)—— 因为最小值最接近真实计算开销（排除上下文切换等干扰）。
? 总结：time.perf_counter() 是 Python 中测量微小时间间隔的黄金标准。替换后，你将清晰看到不同初值下牛顿法收敛的细微耗时差异，为算法分析提供真实、可靠的数据基础。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
