据我们所知，每一个python程序都是由许多算法运行的，计算机需要花时间来计算，而且我们已经知道，在学习python的基础知识时，python与其他语言相比相对较慢。我们称之为差异时间复杂性。也许一般情况下我们看不到时间上的差异，然后我们将测试下一个时间。

　　我们的测试主题非常简单：如果a+b+c=1000，a**2+b**2=c**2，找到abc的组合。

　　成都python在线学习课程首先用最简单的方法来计算，即把a，b，c分别放入(0，1000)中，逐一尝试，最后确定a，b，c的确定值，但这里测试时间需要参考第三方库来记录程序的运行时间。

　　代码示例：

　　import time

　　start_time = time.time()

　　for a in range(1001):

　　for b in range(1001):

　　for c in range(1001):

　　if a + b + c == 1000 and a**2 + b**2 == c**2:

　　print("a,b,c:%d,%d,%d"%(a,b,c))

　　end_time = time.time()

　　used_time= end_time - start_time

　　print(used_time)

　　这里我们可以推算计算机就进行的运算次数为1000*1000*1000*2(将if语句看作为一步)

　　然后我们可以得到运行结果，在运行结果中可以看出，进行这次运算大约使用了146秒，其实便可以看出python运行速度慢的问题了。

　　然后我们将代码简化为 c = 1000-a-b的形式，这样问题便被简化了，我们可以推算运算次数为1000*1000*3。

　　代码示例：

　　import time

　　start_time = time.time()

　　for a in range(1001):

　　for b in range(1001):

　　# for c in range(1001):

　　c = 1000 – a – b

　　if a**2 + b**2 == c**2:

　　print(“a,b,c:%d,%d,%d”%(a,b,c))

　　end_time = time.time()

　　used_time= end_time – start_time

　　print(used_time)

　　这一次的运行结果可以看出：在这个程序下，我们运行时间不足1秒，而我们仅仅只是优化了一步。两者相比，第一个比第二个快了许多。这种差异就叫做时间复杂度的差异。在算法中我们经常需要将一个程序简化，以达到最佳运算的目的。

　　在算法中，我们经常会想要限制自己程序的运行时间，然后对其进行优化，达到最佳的运行时间。我们便也可以通过这种简单的方式来进行测量。正在学习的你看懂了么?