有时候，我们需要知道程序或者当中的一段代码的执行速度，于是就会加入一段计时的代码，如下：start = time.clock() ... do somethingelapsed = (time.clock() - start)
又或者start = time.time() ... do somethingelapsed = (time.time() - start)
那究竟 time.clock() 跟 time.time()，谁比较精确呢？带着疑问，查了 Python 的 time 模块文档，当中 clock() 方法有这样的解释：
clock()
On
Unix, return the current processor time as a floating point number
expressed in seconds. The precision, and in fact the very definition of
the meaning of “processor time”, depends on that of the C function of
the same name, but in any case, this is the function to use for
benchmarking Python or timing algorithms.
On Windows, this
function returns wall-clock seconds elapsed since the first call to
this function, as a floating point number, based on the Win32 function
QueryPerformanceCounter(). The resolution is typically better than one
microsecond.
可见，time.clock() 返回的是处理器时间，而因为 Unix 中 jiffy 的缘故，所以精度不会太高。
总结
究竟是使用 time.clock() 精度高，还是使用 time.time() 精度更高，要视乎所在的平台来决定。总概来讲，在 Unix 系统中，建议使用 time.time()，在 Windows 系统中，建议使用 time.clock()。
这个结论也可以在 Python 的 timtit 模块中(用于简单测量程序代码执行时间的内建模块)得到论证：if sys.platform == "win32": # On Windows, the best timer is time.clock() default_timer = time.clockelse: # On most other platforms the best timer is time.time() default_timer = time.time
使用 timeit 代替 time，这样就可以实现跨平台的精度性：start = timeit.default_timer() ... do somethingelapsed = (timeit.default_timer() - start)
参考资料：