python3.5中怎么输出运行时间

通过代码实现。

具体代码。start=time。clock（）run_fun（）end=time。clock（）printend-start这种算法只计算了程序运行的CPU时间。

我们知道为了提高代码的运行速度，我们需要对书写的python代码进行性能测试，而代码性能的高低的直接反馈是电脑运行代码所需要的时间。

在Python中，可以使用time模块来测量算法的执行时间，然后通过观察程序输入规模的增加，计算算法的时间复杂度。一般来说，时间复杂度有以下几种常见的表示方式：

常数时间复杂度：O(1)

对数时间复杂度：O(log n)

线性时间复杂度：O(n)

线性对数时间复杂度：O(n log n)

平方时间复杂度：O(n^2)

立方时间复杂度：O(n^3)

指数时间复杂度：O(2^n)、O(3^n)等

下面是一个使用Python代码输出算法执行时间，并计算时间复杂度的示例：

import time

# 定义一个计算斐波那契数列的函数

def fibonacci(n):

if n <= 1:

return n

else:

return fibonacci(n-1) + fibonacci(n-2)

# 测试函数的执行时间

start_time = time.time()  # 记录开始时间

fibonacci(30)  # 调用函数进行测试

end_time = time.time()  # 记录结束时间

elapsed_time = end_time - start_time  # 计算函数执行时间

print("执行时间：", elapsed_time)

# 计算时间复杂度

n = 30  # 输入规模，这里取n=30

start_time = time.time()  # 记录开始时间

fibonacci(n)  # 调用函数进行测试

end_time = time.time()  # 记录结束时间

elapsed_time = end_time - start_time  # 计算函数执行时间

print("执行时间：", elapsed_time)

print("时间复杂度：O(2^n)")

在上面的示例中，我们先定义了一个计算斐波那契数列的函数fibonacci()，然后使用time模块来测量函数的执行时间。接着，我们将输入规模n设置为30，再次调用函数进行测试，并计算出函数的执行时间。由于斐波那契数列的计算时间复杂度为O(2^n)，因此我们可以根据执行时间和输入规模来确定时间复杂度。需要注意的是，这种方法只是一种近似计算时间复杂度的方法，可能存在一定的误差。

就是先获取当前的时间戳，然后按格式输出时间。

使用方式如下：1、打开终端，2、输入：python，3、输入：importtime，4、输入：time.localtime([可以放入时间戳])，5、发现输出了一个struct_time结构，6、输入：time.localtime().tm_hour，7、获得了当前的小时值。

提取时间的正则表达式主要介绍了Python使用re模块正则提取字符串中括号内的内容。

---