Got it，这个需求很常见，咱们可以通过记录两个时间基准来轻松实现——一个用于计算总耗时，另一个专门追踪最近1000次迭代的耗时。下面是调整后的完整代码，我会把关键逻辑拆解清楚：

import time

iterations = 10000  # 替换成你的实际总迭代次数
start_total = time.time()
start_last_1000 = start_total  # 初始化最近千次迭代的起始时间

for i in range(iterations):
    # ----------------------
    # 这里放你的循环业务逻辑
    # ----------------------
    
    # 每完成1000次迭代就计算并输出耗时
    if (i + 1) % 1000 == 0:
        # 总耗时：从循环启动到当前的时间差
        delta = time.time() - start_total
        # 最近1000次迭代的耗时：从上一个千次节点到当前的时间差
        d2 = time.time() - start_last_1000
        
        # 这里可以根据需求打印或存储时间数据
        print(f"已完成第{i+1}次迭代")
        print(f"累计总耗时: {delta:.4f} 秒")
        print(f"最近1000次耗时: {d2:.4f} 秒\n")
        
        # 更新最近千次的起始时间，为下一轮计数做准备
        start_last_1000 = time.time()

关键细节说明 #

• 触发时机：用(i + 1) % 1000 == 0判断，是因为迭代从0开始，这样第1000、2000...次迭代完成时刚好触发，逻辑更符合直觉（比如第1000次迭代结束后才统计这1000次的耗时）。
• 时间精度优化：如果你的循环逻辑执行速度极快，推荐用time.perf_counter()替代time.time()——它是专门为性能测量设计的，精度更高，不受系统时间调整的影响。
• 收尾处理：如果总迭代次数不是1000的整数倍，你可以在循环结束后单独计算最后一批不足1000次的耗时，比如：

  # 循环结束后补充统计最后一批迭代
  if iterations % 1000 != 0:
      final_delta = time.time() - start_total
      final_d2 = time.time() - start_last_1000
      print(f"完成全部{iterations}次迭代")
      print(f"最终总耗时: {final_delta:.4f} 秒")
      print(f"最后{iterations % 1000}次耗时: {final_d2:.4f} 秒")
  

内容的提问来源于stack exchange，提问作者Bambi Bunny