使用functools的 Package 来改进Matt Alcock的答案。

from functools import wraps
from time import time

def timing(f):
    @wraps(f)
    def wrap(*args, **kw):
        ts = time()
        result = f(*args, **kw)
        te = time()
        print('func:%r args:[%r, %r] took: %2.4f sec' % \
          (f.__name__, args, kw, te-ts))
        return result
    return wrap

在示例中：

@timing
def f(a):
    for _ in range(a):
        i = 0
    return -1

调用 Package 有@timing的方法f：

func:'f' args:[(100000000,), {}] took: 14.2240 sec
f(100000000)

这样做的优点是它保留了原始函数的属性;也就是说，像函数名和文档字符串这样的元数据被正确地保留在返回的函数上。

我会使用计时装饰器，因为您可以使用注解在代码周围散布计时，而不是使用计时逻辑使代码变得混乱。

import time

def timeit(f):

    def timed(*args, **kw):

        ts = time.time()
        result = f(*args, **kw)
        te = time.time()

        print 'func:%r args:[%r, %r] took: %2.4f sec' % \
          (f.__name__, args, kw, te-ts)
        return result

    return timed

使用装饰器或者使用注解都很容易。

@timeit
def compute_magic(n):
     #function definition
     #....

或者重新给你想要计时的函数取别名。

compute_magic = timeit(compute_magic)

使用timeit。多次运行测试会给我好得多的结果。

func_list=[locals()[key] for key in locals().keys() 
           if callable(locals()[key]) and key.startswith('time')]

alist=range(1000000)
times=[]
for f in func_list:
    n = 10
    times.append( min(  t for t,_,_ in (f(alist,31) for i in range(n)))) 

for (time,func_name) in zip(times, func_list):
    print '%s took %0.3fms.' % (func_name, time*1000.)

• 〉

<function wrapper at 0x01FCB5F0> took 39.000ms.
<function wrapper at 0x01FCB670> took 41.000ms.

受到Micah Smith的回答的启发，我直接使用了funcy print（不使用日志模块）。
下面是方便在谷歌可乐使用。

# pip install funcy
from funcy import print_durations

@print_durations()
def myfunc(n=0):
  for i in range(n):
    pass

myfunc(123)
myfunc(123456789)

# 5.48 mks in myfunc(123)
# 3.37 s in myfunc(123456789)

我厌倦了from __main__ import foo，现在使用这个--用于简单的args，%r可以使用，而不是在Ipython中。
(Why timeit是否只对字符串有效，而不是thunks / closures，即timefunc（f，arbitrary args）？

import timeit

def timef( funcname, *args, **kwargs ):
    """ timeit a func with args, e.g.
            for window in ( 3, 31, 63, 127, 255 ):
                timef( "filter", window, 0 )
    This doesn't work in ipython;
    see Martelli, "ipython plays weird tricks with __main__" in Stackoverflow        
    """
    argstr = ", ".join([ "%r" % a for a in args]) if args  else ""
    kwargstr = ", ".join([ "%s=%r" % (k,v) for k,v in kwargs.items()]) \
        if kwargs  else ""
    comma = ", " if (argstr and kwargstr)  else ""
    fargs = "%s(%s%s%s)" % (funcname, argstr, comma, kwargstr)
        # print "test timef:", fargs
    t = timeit.Timer( fargs, "from __main__ import %s" % funcname )
    ntime = 3
    print "%.0f usec %s" % (t.timeit( ntime ) * 1e6 / ntime, fargs)

#...............................................................................
if __name__ == "__main__":
    def f( *args, **kwargs ):
        pass

    try:
        from __main__ import f
    except:
        print "ipython plays weird tricks with __main__, timef won't work"
    timef( "f")
    timef( "f", 1 )
    timef( "f", """ a b """ )
    timef( "f", 1, 2 )
    timef( "f", x=3 )
    timef( "f", x=3 )
    timef( "f", 1, 2, x=3, y=4 )

新增：另见“ipython plays weird tricks withmain”，Martelli in running-doctests-through-ipython

这是您希望库提供可移植解决方案的需求类型-- DRY！幸运的是，funcy.log_duration可以解决这个问题。
示例复制自文档：

@log_durations(logging.info)
def do_hard_work(n):
    samples = range(n)
    # ...

# 121 ms in do_hard_work(10)
# 143 ms in do_hard_work(11)
# ...

浏览funcy文档中的其他变体，如不同的关键字参数和@log_iter_durations。

这只是一个猜测，但差异是否可能是range（）值差异的数量级？
来自原始来源：

alist=range(1000000)

以timeit为例：

alist=range(100000)

以下是我的系统上的结果，范围设置为100万：

$ python -V
Python 2.6.4rc2

$ python -m timeit -s 'from itertools import izip' 'alist=range(1000000);i=iter(alist);[x for x in izip(*[i]*31)]'
10 loops, best of 3: 69.6 msec per loop

$ python -m timeit -s '' 'alist=range(1000000);[alist[i:i+31] for i in range(0, len(alist), 31)]'
10 loops, best of 3: 67.6 msec per loop

我无法运行您的其他代码，因为我无法在系统上导入“decorator”模块。

更新-当我运行你的代码而不涉及装饰器时，我看到了同样的差异。

$ ./test.py
time_indexing took 84.846ms.
time_izip took 132.574ms.

感谢您发布此问题;今天学到了一些东西=）

不管这个特殊的练习，我想使用timeit是更安全和可靠的选择。它也是跨平台的，不像你的解决方案。