在Python中，我们经常需要对代码的性能进行分析和优化。其中一个重要的方面是统计函数的运行时间。在本文中，我们将从多个角度介绍Python中统计函数运行耗时的方法。
1. 使用time模块
time模块是Python标准库中的一个模块，它提供了一些与时间相关的函数和类。其中，time.time()函数可以返回当前时间的时间戳（1970年1月1日零时起的秒数）。我们可以在函数执行前调用time.time()函数获取当前时间戳，函数执行后再次调用该函数获取当前时间戳，两个时间戳的差值即为函数的运行时间。
以下是一个例子：
```python
import time
def my_func():
time.sleep(1)
start_time = time.time()
my_func()
end_time = time.time()
print("函数运行时间：", end_time - start_time)
```
上述代码中，my_func()函数会休眠1秒钟，模拟函数的运行时间。我们在函数执行前和执行后获取当前时间戳，再计算差值得到函数的运行时间。
2. 使用timeit模块
timeit模块也是Python标准库中的一个模块，它提供了一个用于测试小段代码执行时间的工具。该模块可以自动多次执行代码，计算平均运行时间，避免了一次测试结果的偶然性。
以下是一个例子：
```python
import timeit
def my_func():
pass
print("函数平均运行时间：", timeit.timeit(my_func, number=1000) / 1000)
```
上述代码中，我们使用timeit.timeit()函数测试my_func()函数的平均运行时间。number参数指定测试次数，默认为1，我们设置为1000次。函数的运行时间除以测试次数即为平均运行时间。
3. 使用decorator
装饰器（decorator）是Python中一种常用的语法，可以在函数定义前使用@符号将一个函数作为装饰器，用于修改被装饰函数的行为。我们可以使用装饰器在函数执行前后打印时间戳，从而得到函数的运行时间。
以下是一个例子：
```python
import time
def timing_decorator(func):
def wrapper(*args, **kwargs):
start_time = time.time()
result = func(*args, **kwargs)
end_time = time.time()
print("函数运行时间：", end_time - start_time)
return result
return wrapper
@timing_decorator
def my_func():
time.sleep(1)
my_func()
```
上述代码中，我们定义了一个装饰器timing_decorator，它将被装饰函数的运行时间打印出来。然后我们使用@符号将my_func()函数装饰为timing_decorator(my_func)，从而在函数执行前后自动打印时间戳。
4. 使用profile模块
profile模块是Python标准库中的一个模块，用于分析Python代码的性能。该模块提供了一个Profiler类，可以对代码进行性能分析，并生成分析报告。我们可以使用Profiler类统计函数的运行时间。
以下是一个例子：
```python
import cProfile
def my_func():
time.sleep(1)
profiler = cProfile.Profile()
profiler.enable()
my_func()
profiler.disable()
profiler.print_stats()
```
上述代码中，我们使用cProfile.Profile()创建一个Profiler对象，然后使用profiler.enable()启动性能分析。在函数执行后，我们使用profiler.disable()停止性能分析，并使用profiler.print_stats()打印分析报告。分析报告中会显示每个函数的运行时间。
