time.time()与time.perf_counter()的区别

`time.time()` 返回当前时间的时间戳（1970年1月1日午夜以来的秒数），而 `time.perf_counter()` 返回当前进程的 CPU 时间，包括睡眠时间和其他进程使用的时间，它是一个精度更高的计时器。

`time.time()` 适用于测量两个事件之间的时间差，但它受系统时间的影响，因此不适用于测量小时间间隔。`time.perf_counter()` 适用于性能测试和精度要求更高的时间测量，例如测量代码片段执行的时间。

相关问题

python time.perf_counter与time.time的区别

在中，time.perf_counter()和time.time()是两个用于测量时间的方法，它们之间存在一些区别。

time.perf_counter()返回性能计数器的值，以小数秒为单位，具有最高可用分辨率的时钟，用于测量短持续时间。它包括了睡眠期间经过的时间，并且是系统范围的。通常在测试代码时间上使用perf_counter()，因为它具有最高的可用分辨率。需要注意的是，perf_counter()的参考点未定义，因此在测试代码时间时需要调用两次，并且计算两次调用之间的差值，以获得准确的时间间隔。

而time.time()返回自纪元以来的秒数作为浮点数，具体日期和闰秒的处理取决于使用的平台。它通常用于时间的格式化输出，可以将返回的数字转换为更常见的时间格式，如年、月、日、小时等。需要注意的是，不是所有系统都提供比1秒更高的精度，并且更改系统时间会影响time()的值。此外，time()的返回值是递增的，但如果在两次调用之间设置了系统时钟，则可能会返回比先前调用更低的值。

综上所述，time.perf_counter()适用于测量短持续时间，具有最高的分辨率，而time.time()用于获取当前时间和时间格式化输出。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [Python3.7中time模块的time()、perf_counter()和process_time()的区别](https://blog.csdn.net/qq_27283619/article/details/89280974)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]

抄写下面的程序，并比较两种不同矩阵运算方式的速度： import numpy as np import time my_arr = np.arange(1000000) my_list = list(range(1000000)) beginTime = time.perf_counter() for _ in range(10): my_arr2 = my_arr * 2 tNp = time.perf_counter() -beginTime beginTime = time.perf_counter() for _ in range(10): my_list2 = [x * 2 for x in my_list] tList = time.perf_counter() -beginTime print("tNp = ", tNp) print("tList = ", tList)

代码如下：

import numpy as np
import time

my_arr = np.arange(1000000)
my_list = list(range(1000000))

beginTime = time.perf_counter()
for _ in range(10):
    my_arr2 = my_arr * 2
tNp = time.perf_counter() - beginTime

beginTime = time.perf_counter()
for _ in range(10):
    my_list2 = [x * 2 for x in my_list]
tList = time.perf_counter() - beginTime

print("tNp = ", tNp)
print("tList = ", tList)

这段代码分别使用了 NumPy 库和 Python 自带的列表来对一个长度为 1000000 的数组进行矩阵运算，比较两种运算方式的速度。其中，重要的是 `time.perf_counter()` 函数，它返回一个 CPU 时间，以秒为单位。

程序的运行结果可能略有不同，但一般来说，NumPy 库的速度要远远快于 Python 自带的列表。