测量代码运行所需时间主要有两种方法，使用 time.time() ，这是通用的方法，或者使用 timeit.timeit() 测量小的代码段。

1 time()

这是通用方法：

import time


def powers(limit):
    return [x**2 for x in range(limit)]


start = time.time()
powers(5000000)
end = time.time()

print(end-start)  # 1.0257349014282227 (秒)

或者将测量时间的相关代码放到一个高阶函数 measure_runtime 中，接受函数作为参数，可以测量任意函数运行所需时间：

import time


def measure_runtime(func):
    time_start = time.time()
    func()
    time_end = time.time()
    print(time_end - time_start)


def powers(limit):
    return [x**2 for x in range(limit)]


measure_runtime(lambda: powers(5000000)) # 1.006134033203125 秒

2 timeit()

此函数用于测量小的代码段运行所需时间：

此函数有5个参数：

timeit.timeit(stmt='pass', setup='pass', timer=<default timer>, number=1000000, globals=None)

timeit.timeit(stmt='', setup='', timer=time.perf_counter, number=1000000, globals=None)

stmt 是待测代码段，setup 作用类似于初始化代码段中变量，在 stmt 之前执行，number 如果不设置，那么 stmt 默认执行1000000 即一百万次，如果 stmt 执行一次需要 1 秒，一百万秒是非常长的时间，所以 number 参数一般应该设置。
用法：

import timeit
print(timeit.timeit("[x**2 for x in range(5000000)]", number=4))
print(timeit.timeit("list(map(lambda x: x**2, range(100)))", setup="", number=10000))
print(timeit.timeit(stmt='while x < 1000000: x += 1', setup='x = 0', number = 10000))

运行结果：

4.101922899999408  # number = 4， 测了4 次，共用了4 秒
0.23630119999870658
0.03228399999898102

timeit.timeit() 除以 number, 将得到 stmt 执行一次所需的平均时间。