python开发，有时需要做性能分析及性能优化，这时就需要记录一些耗时函数执行时间问题，然后针对函数逻辑进行优化。

在python3中一般都有哪些方法呢。

1. 使用time.time()

这种方法较简单，但如果想更精确的计算函数的执行时间，会产生精度缺失，没办法统计时间极短的函数耗时。

 import time  def func():     time.sleep(1)      t = time.time() func() print(f'耗时:{time.time() - t:.4f}s')  耗时:1.0050s

perf_counter是在python3.3新添加的，返回性能计数器的值，返回值是浮点型，统计结果包括睡眠的时间，单个函数的返回值无意义，只有多次运行取差值的结果才是有效的函数执行时间。

 import time  def func():     print('hello world')  t = time.perf_counter() func() print(f'耗时:{time.perf_counter() - t:.8f}s')  hello world 耗时:0.00051790s

 timeit()函数有5个参数:   stmt 参数是需要执行的语句，默认为 pass   setup 参数是用来执行初始化代码或构建环境的语句，默认为 pass   timer 是计时器，默认是 perf_counter()   number 是执行次数，默认为一百万   globals 用来指定要运行代码的命名空间，默认为 None    import timeit  def func():     print('hello world')  print(f'耗时: {timeit.timeit(stmt=func, number=1)}')  hello world 耗时: 0.0007705999999999824

在实际项目代码中，可以通过装饰器方便的统计函数运行耗时。使用装饰器来统计函数执行耗时的好处是对函数的入侵性小，易于编写和修改。

装饰器装饰函数的方案只适用于统计函数的运行耗时，如果有代码块耗时统计的需求就不能用了，这种情况下可以使用 with 语句自动管理上下文。

4.1 同步函数的统计

 import time  def coast_time(func):     def fun(*args, **kwargs):         t = time.perf_counter()         result = func(*args, **kwargs)         print(f'函数:{func.__name__} 耗时:{time.perf_counter() - t:.8f} s')         return result     return fun  @coast_time def test():     print('hello world')   if __name__ == '__main__':     test()

 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'函数:{func.__name__} 耗时:{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'函数:{func.__name__} 耗时:{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 函数:test 耗时:1.00230700 s hello test_async 函数:test_async 耗时:1.00572550 s

通过实现 enter 和 exit 函数可以在进入和退出上下文时进行一些自定义动作，例如连接或断开数据库、打开或 关闭文件、记录开始或结束时间等，例如：我们用来统计函数块的执行时间。

with语句不仅可以统计代码块的执行时间，也可以统计函数的执行时间，还可以统计多个函数的执行时间之和，相比装饰器来说对代码的入侵性比较大，不易于修改，好处是使用起来比较灵活，不用写过多的重复代码。

 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'耗时:{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耗时:1.00723310 shello test_async耗时:1.00366820 s