使用decorators计算函数的运行时间。第一个想法是在decorators中记录函数执行的两侧的时间戳，然后减去它们得到函数的运行时间，如下所示：
您可以得到函数运行的秒数，运行结果如下所示：
使用此模块测量和修改以前的decorator。修改后的decorator如下：
运行结果：
timeit模块用于测量一小段代码的执行时间。它的方法如下：
只写了一些常用的方法，还有其他的方法可以自己浏览
当然，timeit模块不适合decorator，这也很方便
用Python中的decorator来测量代码的运行时间是一种简单的方法
Python到底有多慢？首先全部，用10个坐标点来模拟城市的位置。由于对Python的使用越来越熟悉，所以我们选择Python作为实现蚁群算法的编程语言，但是我们在第一时间就睡着了。猜猜看有多长时间，超过六分钟，这是效率的可怕之处。你不能让老师等6分钟在最后的回答中选择最佳路径。恐怕要暂停了。用C语言对蚁群算法进行了优化，优化结果不到1min。没有比较就没有坏处。在这之后，我深刻地认识到Python执行效率的可怕方面。
有些人可能想知道为什么C和Java比python更高效。事实上，它与语言的底层代码有关。C语言是汇编语言的二次开发，Java大多是C和C的二次开发，但是我们的Python可以分为两种情况，一种是Cpython，另一种是jpython，分别是C和Java的二次开发，所以效率比这两种语言要低。我看到消息说，为了解决python的效率问题，政府计划重新开发底层python代码。最近，我没有看到任何相关的新闻。毕竟，这个工作量是非常巨大的。
python怎么运行py文件？1.首先，在资源管理器中复制PY文件的路径，按windows键+R，在run中输入CMD，回车打开命令行：
2。在命令行中，首先切换到PY文件的路径，然后输入“Pythonfilename”。Py“”运行Python文件：
3。按enter键查看窗口中的PY文件是否开始运行。请注意，要在命令行上运行PY文件，请将python安装路径添加到环境变量path中，否则将报告错误并且找不到该命令。到目前为止，在Python中运行文件的操作已经完成：
Python语言其实很慢，为什么机器学习这种快速算法步骤通常还是用呢？对于那些使用了几种开发语言（Java、C#、nodejs、Erlang）然后转向Python进行机器学习的人，我想谈谈我的看法。
首先，Python真的很慢吗？我的回答是真的。非常慢。for循环比CPP慢两个数量级。
那么为什么要使用Python呢？如果我们遍历超过一亿个数据，两个数量级的差异是不可接受的。但是，如果我们使用Python来执行顶层逻辑并阻塞数以亿计的数据，Python只会循环十几次，剩下的就留给CPU和GPU了。所以两个数量级无关紧要？一毫秒和100毫秒在整个系统中并不重要。
Python大的优点是它可以非常优雅地将数据抛出到高效的C、CUDA中进行计算。Numpy、panda、numba这些优秀的开源库可以非常方便高效地处理海量数据，借助ZMQ、cell等还可以做分布式计算，gevent借助epoll系统IO优化。因此，它不需要花费太多的精力就可以优雅高效地完成海量数据处理和机器学习任务。这就是Python如此流行的原因。
好好想想。同样的性能，代码只有CPP或Java的三分之一或更少，不是很吸引人吗？