[英]Time to assign a variable in Python
假設我有一個非常緊密的循環:
a = func(x)
b = func2(a)
變量a
不在其他任何地方使用。
是否Python的自動編譯掉分配給a
呢,還是走的時候每次都做變量賦值? 換句話說,此代碼是否相同,還是由於缺少分配給a
速度略快?
b = func2(func(x))
Python2.7和Python3的行為是否相同?
因此,使用非常有趣的dis
模塊,我們可以查看從您提供的python代碼生成的實際字節碼。 為了簡單func2
,我用內置函數( int
和float
)替換了func
和func2
。
因此,我們的來源如下所示:
def assign():
a = int()
b = float(a)
與簡化版本:
def simple():
b = float(int())
然后從cpython 2.7解釋器開始,我們可以看到從assign
函數生成的字節碼:
dis.dis(assign)
2 0 LOAD_GLOBAL 0 (int)
3 CALL_FUNCTION 0
6 STORE_FAST 0 (a)
3 9 LOAD_GLOBAL 1 (float)
12 LOAD_FAST 0 (a)
15 CALL_FUNCTION 1
18 STORE_FAST 1 (b)
21 LOAD_CONST 0 (None)
24 RETURN_VALUE
如您所見,沒有窺視孔優化來刪除不必要的中間變量,與簡化的簡單方法的字節碼相比,這會導致額外的2條指令( STORE_FAST a
, LOAD_FAST a
):
dis.dis(simple)
2 0 LOAD_GLOBAL 0 (float)
3 LOAD_GLOBAL 1 (int)
6 CALL_FUNCTION 0
9 CALL_FUNCTION 1
12 STORE_FAST 0 (b)
15 LOAD_CONST 0 (None)
18 RETURN_VALUE
對於適用於Python 3.5的CPython解釋器和適用於Python 2.7的pypy解釋器,這是相同的。
使用dis模塊比較字節碼:看起來第二種方法產生較少的操作
import dis
print(dis.dis('a=f(2);b=g(a)'))
print(dis.dis('b=g(f(2))'))
>>>
1 0 LOAD_NAME 0 (f)
2 LOAD_CONST 0 (2)
4 CALL_FUNCTION 1
6 STORE_NAME 1 (a)
8 LOAD_NAME 2 (g)
10 LOAD_NAME 1 (a)
12 CALL_FUNCTION 1
14 STORE_NAME 3 (b)
16 LOAD_CONST 1 (None)
18 RETURN_VALUE
None
1 0 LOAD_NAME 0 (g)
2 LOAD_NAME 1 (f)
4 LOAD_CONST 0 (2)
6 CALL_FUNCTION 1
8 CALL_FUNCTION 1
10 STORE_NAME 2 (b)
12 LOAD_CONST 1 (None)
14 RETURN_VALUE
None
可以使用timeit
輕松檢查此類查詢。 這是Python2.7
的結果。
root:/var# python -m timeit "f1 = lambda x:x; f2 = lambda x: x*2; a=f1(2); b=f2(a)"
1000000 loops, best of 3: 0.29 usec per loop
root:/var# python -m timeit "f1 = lambda x:x; f2 = lambda x: x*2; b=f2(f1(2))"
1000000 loops, best of 3: 0.284 usec per loop
root:/var# python -m timeit "f1 = lambda x:x; f2 = lambda x: x*2; a=f1(2); b=f2(a)"
1000000 loops, best of 3: 0.285 usec per loop
root:/var# python -m timeit "f1 = lambda x:x; f2 = lambda x: x*2; b=f2(f1(2))"
1000000 loops, best of 3: 0.283 usec per loop
root:/var# python -m timeit "f1 = lambda x:x; f2 = lambda x: x*2; a=f1(2); b=f2(a)"
1000000 loops, best of 3: 0.294 usec per loop
root:/var# python -m timeit "f1 = lambda x:x; f2 = lambda x: x*2; b=f2(f1(2))"
1000000 loops, best of 3: 0.286 usec per loop
並且這與描述使用真棒dis
模塊的其他答案顯示出一致的結果。
實際時間將取決於func()
和func2()
函數的作用。 不是最好的例子,但是下面給出了一個快速(又臟)的測試代碼:
import time
def func(x):
return 5
def func2(a):
return 10
t0 = time.time()
x = 10
for i in range(1,10000):
a = func(x)
b = func2(a)
t1 = time.time()
print("Time 1: ", t1-t0)
t2 = time.time()
x = 10
for i in range(1,10000):
b = func2(func(x))
t3 = time.time()
print("Time 2: ", t3-t2)
上面代碼的輸出是:
Time 1: 0.0029211044311523438
Time 2: 0.002785921096801758
所以是的,在Pyhton 3中,避免分配a
要快一些。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.