博客
关于我
时间-日期格式化输出,统计程序时间,统计CPU时间
阅读量:677 次
发布时间:2019-03-16

本文共 1485 字,大约阅读时间需要 4 分钟。

时间格式化与程序运行时间统计

在编程和系统管理中,时间的格式化显得尤为重要。无论是为文件命名、创建图形标签,还是用于统计程序运行时间,合理的时间格式能事半功倍。而在程序运行时,时间统计既能反映程序的大致执行效率,也能帮助我们评估算法的性能。

以下是常用的时间格式化方法及相关示例:

方法一:使用 strftime 函数

strftime 函数是一个强大的工具,可用于生成多种时间格式。例如:

  • x = time.strftime('%Y-%m-%d %H:%M:%S'):获取“年-月-日 时:分:秒”的格式时间戳。
  • x2 = time.strftime('第%W周的第%w天, %Y年的第%j天, 英文表达日月 %a %b'):供需英文日期格式化,可根据需要调整格式。
  • x3 = time.strftime('%D'):获取“年月日”的简洁格式。
  • x4 = time.strftime('%c'):获取符合 ISO 标准的时间戳。

通过简单的 print 命令即可完成多种时间格式的输出。例如:

print(x)    # 输出全格式时间戳print(x2)   # 输出指定的英文日期表达print(x3)   # 打印简洁日期print(x4)   # 获取 ISO 时间戳

方法二:灵活的字符串格式化

对于更高级的格式化需求,可以使用字符串格式化的方式。例如:

  • print('{0}-{1}-{2}-{3}-{4}-{5}'.format(*time.localtime())):通过传入 time.localtime() 的解包生成时间戳。
  • print('%s-%s-%s-%s-%s-%s'%(time.localtime()[0:6])):使用同样方法生成时间戳。

这种方法适合需要更高定制化时间格式的情况。

统计程序运行时间

要统计程序运行时间,通常需使用 time.time() 来获取程序启动的时间戳。例如:

start = time.time()runTest()     # 模拟程序运行,这里需替换为实际需要测试的代码end = time.time()print('执行总时间:', round(start, 2), round(end, 2), round(end - start, 2))

如果需要获取 CPU 时间,可以使用 time.process_time()。例如:

st2 = time.process_time()runTest()    # 替换为需要执行的代码end2 = time.process_time()print('CPU 时间:', st2, end2, end2 - st2)

结果示例

时间戳输出

  • 2021-03-06 10:36:04
    第09周的第6天, 2021年的第065天, 英文表达日月 Sat Mar
    03/06/21
    Sat Mar 6 10:36:04 2021

统计时间结果

  • 2020-9-2-18-46-53
    2020-9-2-18-46-53
    执行总时间: 1599043613.45 1599043618.45 5.0
    CPU 时间: 0.1875 0.234375 0.046875

注意事项

  • 区别概念time.time() 出现的时间是程序运行的时间差(可能包含系统休息时间),而 time.process_time() 主要衡量 CPU 的实际工作时间。两者的区别需在实际应用中谨慎处理。

  • 格式化灵活性:值得注意的是,日期格式化可能因平台而异,建议根据具体需求调整格式化字符串。

转载地址:http://ruvqz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
查看>>
OpenCV与AI深度学习 | 实战 | YOLOv10模型微调检测肾结石并提高准确率
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>