如何在Python中使用time.perf_counter精准测试函数耗时？-Python教程-PHP中文网

perf_counter 比 time.time 更适合测函数耗时，因其返回单调递增的高精度计时器值，不受系统时钟调整、睡眠或调度干扰，且分辨率可达纳秒级，是 Python 官方推荐的短时间间隔测量工具。

如何在python中使用time.perf_counter精准测试函数耗时？

perf_counter 为什么比 time.time 更适合测函数耗时

time.perf_counter 返回的是单调递增的高精度计时器值，不受系统时钟调整（如 NTP 同步、手动改时间）影响，也不受睡眠或进程调度干扰。而 time.time 返回的是挂钟时间，一旦系统时间被修改，两次调用差值可能为负或严重失真。

它底层通常映射到硬件计数器（如 TSC），在多数平台分辨率可达纳秒级（实际精度取决于 OS 和 CPU），是 Python 官方推荐的“测量短时间间隔”的唯一可靠选择。

正确用法：必须成对调用且避免干扰

最简但易错的写法是直接在函数前后各调一次 perf_counter，但要注意：

两次调用必须在同一线程中，跨线程无意义（Python 的 GIL 不保证跨线程计时一致性）
不要把函数调用和计时器混在同一行，例如 start = perf_counter(); func() —— 这会把 func 的返回值赋给 start，导致逻辑错误
若测试对象含 I/O 或异步操作，需确保整个执行路径被包裹，不能只包同步部分

推荐写法：

from time import perf_counter
<p>start = perf_counter()
result = my_function(*args, **kwargs)
end = perf_counter()
elapsed = end - start  # 单位：秒，float 类型
</p>

常见误用：循环测多次时忘记重置或取均值

单次测量受 GC、CPU 频率波动、缓存预热等影响大，真实性能评估需要多次运行。但很多人直接写：

for _ in range(100):
    start = perf_counter()
    my_function()
    print(perf_counter() - start)

这会产生两个问题：

Python 环境工具专业版

Python 环境工具专业版功能概述Python 环境工具专业版是一项面向实际任务的技能。它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。核心要点使用时应结合输入条件选择合适的执行方式，核对必要参数、依赖环境与输出内容，并按原始要求处理异常情况。该技能适合需要稳定复用相关能力的场景，可作为自动化工作流的一部分，也便于后续检查、调整和扩展。执行完成后建议检查结果是否符合预期，并保留必要记录。使用与执行同时注意输入完整性、执行条件和输出可用性。从功能定位来看，该技能

下载

每次循环都重新触发 Python 解释器开销（如字节码加载、局部变量创建），污染纯函数耗时
未排除异常值，也未考虑 warm-up 效应（前几次慢，后面变快）

更稳妥的做法是：先跑 3–5 次预热，再正式运行 10–100 次并取 min()（排除 GC / 中断干扰）或 median()（抗异常值）：

# 预热
for _ in range(3):
    my_function()
<h1>正式采集</h1><p>times = []
for _ in range(50):
start = perf_counter()
my_function()
times.append(perf_counter() - start)</p><p>print(f"Best: {min(times):.6f}s")
</p>