使用time.time来统计函数的执行时间，程序只会执行一次，存在很大的随机因素。
创新互联建站主要从事网站设计制作、成都网站设计、网页设计、企业做网站、公司建网站等业务。立足成都服务坊子,10年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:13518219792
timtit包就可以重复执行函数多次，然后将多次执行结果取平均值。相比起来更优。
然而程序执行时间很大程度还受计算机性能的影响，衡量程序好坏更靠谱的手段是计算时间复杂度。
time.sleep() 函数命名来源于英文单词time(时间)和sleep(睡眠)。
time 是python带的非内置库，使用时需要import,主要用于处理和时间相关的操作。
time.sleep用于给定时间内挂起(等待)当前线程的执行。
time.sleep() 函数的例子：
可以注释掉time.sleep(2)再运行一次对比一下
可以看到虽然都是打印出一样的结果，但time.sleep()加入了等待时间
这里还要解释一下python中线程与进程的区别。
举个例子，厨房做菜看成是一个进程，那么这个进程下面就可能有多个人或一个人（cpu基本执行单元，即线程）来执行，多个人可以分别洗菜，刷碗，摆盘等等同时作业，他们又是共享这个厨房的资源的。每个人存在一定的资源竞争关系，比如炉火只有1个。
这里time.sleep是针对线程执行的，也就是其中一个人去sleep睡觉了，不影响其他人的继续工作。
参数
该函数没有返回值。
结果类似如下：
可以看到秒数相差了5
无
time.sleep()常用于推迟执行的场景
在python中，与时间相关的模块有：time，datetime以及calendar
对基础运行环境有疑问的，推荐参考: python函数深入浅出 0.基础篇
使用timeit模块，先介绍下：
timeit 模块
timeit 模块定义了接受两个参数的 Timer 类。两个参数都是字符串。 第一个参数是你要计时的语句或者函数。 传递给 Timer 的第二个参数是为第一个参数语句构建环境的导入语句。 从内部讲， timeit 构建起一个独立的虚拟环境， 手工地执行建立语句，然后手工地编译和执行被计时语句。
一旦有了 Timer 对象，最简单的事就是调用 timeit()，它接受一个参数为每个测试中调用被计时语句的次数，默认为一百万次；返回所耗费的秒数。
Timer 对象的另一个主要方法是 repeat()， 它接受两个可选参数。 第一个参数是重复整个测试的次数，第二个参数是每个测试中调用被计时语句的次数。 两个参数都是可选的，它们的默认值分别是 3 和 1000000。 repeat() 方法返回以秒记录的每个测试循环的耗时列表。Python 有一个方便的 min 函数可以把输入的列表返回成最小值，如： min(t.repeat(3, 1000000))
你可以在命令行使用 timeit 模块来测试一个已存在的 Python 程序，而不需要修改代码。
再给你个例子，你就知道怎么做了。
# -*- coding: utf-8 -*-
#!/bin/env python
def test1():
n=0
for i in range(101):
n+=i
return n
def test2():
return sum(range(101))
def test3():
return sum(x for x in range(101))
if __name__=='__main__':
from timeit import Timer
t1=Timer("test1()","from __main__ import test1")
t2=Timer("test2()","from __main__ import test2")
t3=Timer("test3()","from __main__ import test3")
print t1.timeit(1000000)
print t2.timeit(1000000)
print t3.timeit(1000000)
print t1.repeat(3,1000000)
print t2.repeat(3,1000000)
print t3.repeat(3,1000000)
这个问题得分成几个子问题
1 数据库本身的时区
2 数据库里数据的时区
3 python代码里的时区
首先对1你可以通过命令去设置数据库的时区 像mysql直接用sql语句就能设置
其次对2 在存储时间时尽量用timestamp去存储 这样读出来可以方便的转成所需用的时区的时间
3 python自己的时区 比如你用datetime生成时间时需要每次都记得时区设置 在django和flask里设置好默认时区
做好这三点才能保证程序和数据库和数据的时区保持统一
1. 使用装饰器来衡量函数执行时间
有一个简单方法，那就是定义一个装饰器来测量函数的执行时间，并输出结果：
import time
from functoolsimport wraps
import random
def fn_timer(function):
@wraps(function)
def function_timer(*args, **kwargs):
t0= time.time()
result= function(*args, **kwargs)
t1= time.time()
print("Total time running %s: %s seconds" %
(function.__name__, str(t1- t0))
)
return result
return function_timer
@fn_timer
def random_sort(n):
return sorted([random.random() for i in range(n)])
if __name__== "__main__":
random_sort(2000000)
输出：Total time running random_sort: 0.6598007678985596 seconds
使用方式的话，就是在要监控的函数定义上面加上 @fn_timer 就行了
或者
# 可监控程序运行时间
import time
import random
def clock(func):
def wrapper(*args, **kwargs):
start_time= time.time()
result= func(*args, **kwargs)
end_time= time.time()
print("共耗时: %s秒" % round(end_time- start_time, 5))
return result
return wrapper
@clock
def random_sort(n):
return sorted([random.random() for i in range(n)])
if __name__== "__main__":
random_sort(2000000)
输出结果：共耗时: 0.65634秒
2. 使用timeit模块
另一种方法是使用timeit模块，用来计算平均时间消耗。
执行下面的脚本可以运行该模块。
这里的timing_functions是Python脚本文件名称。
在输出的末尾，可以看到以下结果：4 loops, best of 5: 2.08 sec per loop
这表示测试了4次，平均每次测试重复5次，最好的测试结果是2.08秒。
如果不指定测试或重复次数，默认值为10次测试，每次重复5次。
3. 使用Unix系统中的time命令
然而，装饰器和timeit都是基于Python的。在外部环境测试Python时，unix time实用工具就非常有用。
运行time实用工具：
输出结果为：
Total time running random_sort: 1.3931210041 seconds
real 1.49
user 1.40
sys 0.08
第一行来自预定义的装饰器，其他三行为：
real表示的是执行脚本的总时间
user表示的是执行脚本消耗的CPU时间。
sys表示的是执行内核函数消耗的时间。
注意：根据维基百科的定义，内核是一个计算机程序，用来管理软件的输入输出，并将其翻译成CPU和其他计算机中的电子设备能够执行的数据处理指令。
因此，Real执行时间和User+Sys执行时间的差就是消耗在输入/输出和系统执行其他任务时消耗的时间。
4. 使用cProfile模块
5. 使用line_profiler模块
6. 使用memory_profiler模块
7. 使用guppy包
现象描述：
1、time.clock 在win系统和linux系统下对相同程序的计时结果不一致
2、到底应该用什么时间计时？为什么用time.time与time.clock计时会有那么大的差异
在计算机领域有多种时间。
第一种称作CPU时间或执行时间，用于测量在执行一个程序时CPU所花费的时间。第二种称作挂钟时间，测量执行一个程序时的总时间。挂钟时间也被称作流逝时间或运行时间。与CPU时间相比，挂钟时间通常长些，因为CPU执行测量的程序可能同时还在执行其它程序的指令。
另一个重要概念是所谓的系统时间，由系统时钟测量。系统时间表示计算机系统时间传递的概念。要记住系统时钟是可以由操作系统修改的，就是修改系统时间。
在Unix系统上，time.time的作用与Windows相同，但time.clock的意义不同。
在Unix系统上，time.clock以秒为单位返回当前处理器时间，例如，执行当前线程所花费的CPU时间。而在Windows上，它是以秒为单位的返回自首次调用该函数以来所流逝的系统时间。
以我遇到的Ubuntu系统上运行time.time和time.clock的例子：
time.time()显示系统时间过去大概1秒，而time.clock()显示花费在当前进程上的CPU时间只有于1毫秒。
而win下time.time()和time.clock()显示系统时间都是大致过去了1秒
在测量程序准确性能时应该使用哪一个呢？
这要视情况而定。如果程序运行的系统能够提供足够的资源给程序，例如，一个运行基于Python的web应用程序的web服务器，则使用time.clock()来测量程序会更有意义，因这个web应用程序可能是服务器上的主要程序 。如果程序运行的系统上还同时运行着其它大量程序，则使用time.time()进行测量会更有意义。 如果不是这样，就应该使用基于挂钟的计时器来测量程序的性能，因为这样通常能反应程序的环境。
放结论，一般情况下：
1、win用time.clock或time.time
2、linux 下用time.time 或 datetime.datetime.now().timestamp()
【1】（重要） Python测量时间，用time.time还是time.clock
