在编写 Python 程序时，了解程序的运行时长是一项很有用的技能。这不仅能帮助你评估代码的效率，还能在优化程序性能时提供关键的数据支持。对于初学者来说，计算程序运行时长其实并不复杂，接下来就让我们看看具体该怎么做。

使用time模块

Python 的标准库中提供了time模块，它包含了许多与时间处理相关的函数，其中就有可以用来计算程序运行时间的函数。

time.time()函数

time.time()函数会返回自 1970 年 1 月 1 日午夜（格林威治时间）以来经过的秒数，这个数值被称为时间戳。利用这一特性，我们可以在程序开始和结束时分别调用time.time()，通过计算两个时间戳的差值，就能得到程序的运行时长。

以下是一个简单的示例：

import time

# 记录程序开始时间

start_time = time.time()

# 模拟一个需要运行一段时间的任务，这里使用循环

for i in range(1000000):

    pass

# 记录程序结束时间

end_time = time.time()

# 计算运行时长

running_time = end_time - start_time

print(f"程序运行时长为: {running_time} 秒")

在这个例子中，我们首先导入了time模块。然后在程序开始时，通过time.time()获取开始时间并存储在start_time变量中。接着执行了一个简单的循环来模拟实际的任务操作。循环结束后，再次使用time.time()获取结束时间并存储在end_time变量中。最后，用结束时间减去开始时间，得到程序的运行时长，并打印输出。

time.perf_counter()函数

time.perf_counter()函数返回一个性能计数器的值（以秒为单位），它通常比time.time()更精确，适合测量较短时间间隔。与time.time()类似，我们也是在程序开始和结束时分别调用它来计算时间差。

示例代码如下：

import time

# 记录程序开始时间

start_time = time.perf_counter()

# 模拟一个需要运行一段时间的任务，这里使用循环

for i in range(1000000):

    pass

# 记录程序结束时间

end_time = time.perf_counter()

# 计算运行时长

running_time = end_time - start_time

print(f"程序运行时长为: {running_time} 秒")

这段代码的逻辑与前面使用time.time()的例子基本相同，只是将获取时间的函数换成了time.perf_counter()。

使用timeit模块

timeit模块专门用于测量小段 Python 代码的执行时间，它提供了更精确和方便的方式来计算程序运行时长。

timeit.timeit()函数

timeit.timeit()函数可以直接运行一段代码并返回这段代码执行所需的时间（以秒为单位）。它接受两个参数，第一个参数是要执行的代码语句，以字符串形式表示；第二个参数是运行这段代码的设置，通常是导入必要模块等准备工作，也是以字符串形式表示。

例如，我们要计算前面那个简单循环的运行时间，可以这样写：

import timeit

# 计算循环的运行时间

running_time = timeit.timeit('for i in range(1000000): pass', number=1)

print(f"程序运行时长为: {running_time} 秒")

在这个例子中，timeit.timeit()的第一个参数就是我们要测量的循环代码。number=1表示这段代码只运行一次，如果不指定number参数，默认会运行多次以得到更准确的平均时间。

使用timeit.Timer类

timeit.Timer类允许我们创建一个定时器对象，通过这个对象可以多次运行相同的代码并获取运行时间。

示例如下：

import timeit

# 创建定时器对象

t = timeit.Timer('for i in range(1000000): pass')

# 运行10次代码并获取总运行时间

total_time = t.timeit(number=10)

print(f"10次运行总时长为: {total_time} 秒")

在这个例子中，我们先创建了一个Timer对象，传入要测量的代码。然后使用timeit()方法运行代码 10 次，并获取这 10 次运行的总时长。

通过以上介绍的time模块和timeit模块的方法，Python 初学者就可以轻松地计算程序的运行时长了。在实际编程中，根据不同的需求选择合适的方法，能更好地评估和优化代码的性能。