1. 引言
时间统计是在编程中常见的需求之一，特别是对于需要分析代码执行时间的任务。Python提供了多种方法来统计时间，本文将介绍几种常用的时间统计方法。
2. time模块
2.1 time.time()
time.time()函数可以返回当前时间的时间戳。时间戳是一个浮点数，代表的是从 1970 年 1 月 1 日午夜到现在的秒数。
import time
start_time = time.time()
# 执行一些任务
end_time = time.time()
elapsed_time = end_time - start_time
print("任务执行时间：", elapsed_time, "秒")
上述代码使用 time.time() 函数来记录代码执行前后的时间，然后计算差值得到任务的执行时间。
2.2 time.process_time()
time.process_time() 函数返回的是当前进程的执行时间，不包括产生子进程的时间。该函数的返回值也是一个浮点数，单位是秒。
import time
start_time = time.process_time()
# 执行一些任务
end_time = time.process_time()
elapsed_time = end_time - start_time
print("任务执行时间：", elapsed_time, "秒")
上述代码使用 time.process_time() 函数统计了任务的执行时间。需要注意的是，不同操作系统对进程时间的计算方式有些差异，因此在使用该函数时需要注意平台的兼容性。
3. datetime模块
3.1 datetime.datetime.now()
datetime.datetime.now() 函数可以返回当前的日期和时间。返回值是一个datetime对象，包含了当前年、月、日、时、分、秒等信息。
import datetime
start_time = datetime.datetime.now()
# 执行一些任务
end_time = datetime.datetime.now()
elapsed_time = end_time - start_time
print("任务执行时间：", elapsed_time)
上述代码使用 datetime.datetime.now() 函数来记录代码执行前后的时间，并计算差值得到任务的执行时间。
4. timeit模块
4.1 timeit.timeit()
timeit.timeit() 函数可以用来测量一小段代码的执行时间。该函数在执行代码时，会多次重复执行，并返回执行时间的平均值。
import timeit
code_to_measure = '''
# 待测代码
'''
elapsed_time = timeit.timeit(stmt=code_to_measure, number=100)
print("平均执行时间：", elapsed_time)
上述代码使用 timeit.timeit() 函数对待测代码进行了100次重复执行，并输出了平均执行时间。
5. 总结
本文介绍了Python中几种常用的时间统计方法，包括使用time模块的 time.time() 和 time.process_time() 函数，以及使用datetime模块的 datetime.datetime.now() 函数和用timeit模块的 timeit.timeit() 函数。通过这些方法，我们可以方便地统计代码的执行时间，从而进行性能分析和优化。
需要注意的是，不同的方法适用于不同的场景，选择合适的方法对于准确统计时间是很重要的。在实际应用中，我们还可以结合其他工具和技术，进行更灵活和精确的时间统计。