多功能调用中的全局变量与局部变量效率

Question

首先要说明的是，我知道过早的优化总是不好的。 第二点警告，我对python还是相当陌生。

我正在读取数百万个数据块。 每个块由64位组成，并保存在numpy数组中。 为了对numpy.uint64类型执行位运算，所需的移位量也必须是相同的类型：numpy.uint64。

这可以通过强制转换数字或设置变量来实现。

number1 = numpy.uint64(80000)
shift_amount = numpy.uint64(8)
#option 1
number1 >> numpy.uint64(8)
#option2
number1 >> shift_amount

循环10000次并检查耗时。 我假设Option2总是胜出，因为创建numpy整数的开销仅完成一次。

我当前的程序为每个处理原始位的数据块调用一个函数。 此函数被称为数百万次，并附加了一些不同的列表。 假设相同的想法，并且仅对移位/位操作使用全局定义的值，则还要测试另外两个循环条件。

def using_global(number1):
    global shift_amount
    number1 >> shift_amount

def using_local(number1):
    shift = np.uint64(54)
    number1 >> shift 

使用global循环这些函数10000次总是快一个数量级。 问题：拥有一堆（超过10个）全局变量是否是错误的做法？ https://wiki.python.org/moin/PythonSpeed/PerformanceTips指出局部变量会更快。 在这种情况下，我发现情况并非如此。 我的主循环只是为数百万个数据字中的每个字调用函数，因此这可能效率也很低。

Answer 1

Python并非用于大量运算。 脾气暴躁的是。 将所有数据垃圾放入一个numpy数组中。 这比使用循环和单个函数调用要快得多：

values = numpy.ndarray(1000000, dtype=numpy.uint64)
# fill in the data
values >>= 8

例如，如果您进行移位取决于最高的半字节，则从0到15的半字节值具有用于移位的查找表：

shift_by_nibble = numpy.array([8,16,24,30,34,60,50,40,44,48,52,56,62,4,12,20], dtype=numpy.uint8)
values >>= shift_by_nibble[values>>60]

Answer 2

using_global引用一个全局变量。 using_local引用一个局部变量，但它还包含对np.uint64()的调用，这会影响性能。

Answer 3

除非我对这个问题有误解，否则另一个有效的选择是将变量shift_amount传递给以下函数：

def my_func(number1, shift_amount):
    return number1 >> shift_amount

然后将函数调用为new_number = my_func(old_number, shift_amount)