我要评论一、开篇：time和datetime的分工
time模块和datetime模块经常让人困惑——它们有重叠的功能。简单来说：time模块更底层，处理unix时间戳、程序暂停、性能计时；datetime模块更高级，面向日期时间的创建、计算和格式化。
快速区分：
import time
from datetime import datetime
# 获取"现在"的两种方式
ts = time.time() # time模块：返回unix时间戳（浮点数）
dt = datetime.now() # datetime模块：返回datetime对象
print(f"time模块 → 时间戳: {ts}")
print(f"datetime模块 → datetime对象: {dt}")
# time模块的独特功能：
# - sleep() —— 暂停执行
# - perf_counter() —— 高精度性能计时
# - gmtime()/localtime() —— 结构化时间
二、时间戳：unix纪 元的秒数
2.1 基本概念和操作
import time
# unix纪 元：1970年1月1日 00:00:00 utc
# 时间戳 = 从纪 元到现在的秒数
# 获取当前时间戳
now = time.time()
print(f"当前时间戳: {now}")
print(f"类型: {type(now)}") # <class 'float'>
# 纳秒级时间戳（python 3.7+）
now_ns = time.time_ns()
print(f"纳秒时间戳: {now_ns}")
# 时间戳转结构化时间
local = time.localtime(now)
utc = time.gmtime(now)
print(f"本地时间: {local.tm_year}-{local.tm_mon:02d}-{local.tm_mday:02d} "
f"{local.tm_hour:02d}:{local.tm_min:02d}:{local.tm_sec:02d}")
print(f"utc时间: {utc.tm_year}-{utc.tm_mon:02d}-{utc.tm_mday:02d} "
f"{utc.tm_hour:02d}:{utc.tm_min:02d}:{utc.tm_sec:02d}")
# struct_time的属性
for attr in ['tm_year', 'tm_mon', 'tm_mday', 'tm_hour', 'tm_min',
'tm_sec', 'tm_wday', 'tm_yday', 'tm_isdst']:
print(f" {attr} = {getattr(local, attr)}")2.2 人类可读的时间格式
import time
# ctime() —— 最快速的人类可读格式
print(time.ctime()) # sat jun 15 14:30:00 2024
# 格式化时间
now = time.localtime()
print(time.strftime("%y-%m-%d %h:%m:%s", now))
print(time.strftime("%a, %b %d, %y", now))
# 解析时间字符串
time_str = "2024-06-15 14:30:00"
parsed = time.strptime(time_str, "%y-%m-%d %h:%m:%s")
print(parsed) # struct_time
# 转回时间戳
ts = time.mktime(parsed)
print(f"时间戳: {ts}")
# 💡 strftime/strptime的格式代码和datetime模块一致
三、sleep()：暂停执行
import time
# sleep(seconds) —— 暂停程序执行
print("倒计时开始...")
for i in range(5, 0, -1):
print(i)
time.sleep(1) # 暂停1秒
print("时间到！")
# 进度指示器
def progress_bar(total, width=50):
"""简单的进度条"""
for i in range(total + 1):
percent = i / total
filled = int(width * percent)
bar = "█" * filled + "░" * (width - filled)
print(f"\r[{bar}] {percent * 100:.0f}%", end="", flush=true)
time.sleep(0.05)
print()
# progress_bar(100)
# sleep()接受浮点数
time.sleep(0.5) # 暂停500毫秒
四、性能计时：测量代码执行时间
4.1 perf_counter()——高精度计时
import time
# perf_counter() —— 高精度性能计数器
# 包含sleep时间，适合测量墙钟时间（wall-clock time）
# 测量代码执行时间
start = time.perf_counter()
# 模拟耗时操作
result = sum(range(10_000_000))
end = time.perf_counter()
elapsed = end - start
print(f"执行时间: {elapsed:.4f}秒")
# 创建计时器上下文管理器
class timer:
"""上下文管理器——测量代码块执行时间"""
def __enter__(self):
self.start = time.perf_counter()
return self
def __exit__(self, *args):
self.end = time.perf_counter()
self.elapsed = self.end - self.start
print(f"⏱ 耗时: {self.elapsed:.6f}秒")
# 使用
with timer():
total = 0
for i in range(1_000_000):
total += i ** 2
4.2 函数执行时间装饰器
import time
from functools import wraps
def timing_decorator(func):
"""测量函数执行时间的装饰器"""
@wraps(func)
def wrapper(*args, **kwargs):
start = time.perf_counter()
result = func(*args, **kwargs)
elapsed = time.perf_counter() - start
print(f"⏱ {func.__name__} 执行耗时: {elapsed:.6f}秒")
return result
return wrapper
@timing_decorator
def slow_calculation(n):
"""模拟慢计算"""
return sum(i ** 2 for i in range(n))
@timing_decorator
def fast_calculation(n):
"""使用数学公式的快速计算"""
return n * (n - 1) * (2 * n - 1) // 6
slow_calculation(1_000_000)
fast_calculation(1_000_000)
4.3 process_time()——cpu时间
import time
# process_time() —— 进程使用的cpu时间
# 不包含sleep时间，适合测量纯计算性能
def compare_timers():
"""对比perf_counter和process_time"""
# perf_counter —— 包含sleep
start = time.perf_counter()
time.sleep(1)
perf = time.perf_counter() - start
# process_time —— 不包含sleep
start = time.process_time()
time.sleep(1)
proc = time.process_time() - start
print(f"perf_counter (含sleep): {perf:.2f}秒")
print(f"process_time (不含sleep): {proc:.4f}秒")
compare_timers()
# 💡 使用建议：
# - 测量真实等待时间 → perf_counter()
# - 测量cpu计算时间 → process_time()
# - 测量代码优化效果 → perf_counter()（考虑多次取平均）
4.4 性能对比工具
import time
def benchmark(func, *args, runs=100, **kwargs):
"""简单的性能基准测试"""
times = []
for _ in range(runs):
start = time.perf_counter()
func(*args, **kwargs)
times.append(time.perf_counter() - start)
avg = sum(times) / len(times)
min_time = min(times)
max_time = max(times)
print(f"{func.__name__}: 平均={avg*1000:.3f}ms, "
f"最小={min_time*1000:.3f}ms, 最大={max_time*1000:.3f}ms "
f"(运行{runs}次)")
# 对比两种实现
def method_1(n):
"""列表推导式"""
return [x ** 2 for x in range(n)]
def method_2(n):
"""map+lambda"""
return list(map(lambda x: x ** 2, range(n)))
benchmark(method_1, 100000)
benchmark(method_2, 100000)
五、总结
time模块和datetime模块各司其职。time管底层的时间戳、暂停和性能计时；datetime管高级的日期时间操作。
核心要点：
| 功能 | 函数 | 说明 |
|---|---|---|
| 获取时间戳 | time.time() | unix秒数 |
| 暂停 | time.sleep(s) | 暂停s秒 |
| 性能计时 | time.perf_counter() | 高精度墙钟时间 |
| cpu时间 | time.process_time() | 进程cpu时间 |
| 结构化时间 | time.localtime() | struct_time |
性能测试用perf_counter()，日期操作交给datetime，暂停用sleep()。记住这个分工。
以上就是python中内置模块time获取时间戳的完整教学的详细内容，更多关于python time模块的资料请关注代码网其它相关文章！
发表评论