为什么提早返回比其他方法慢？

小编典典

为什么提早返回比其他方法慢？

all

我基本上观察到：

>>> def without_else(param=False):
...     if param:
...         return 1
...     return 0
>>> def with_else(param=False):
...     if param:
...         return 1
...     else:
...         return 0
>>> from timeit import Timer as T
>>> T(lambda : without_else()).repeat()
[0.3011460304260254, 0.2866089344024658, 0.2871549129486084]
>>> T(lambda : with_else()).repeat()
[0.27536892890930176, 0.2693932056427002, 0.27011704444885254]
>>> T(lambda : without_else(True)).repeat()
[0.3383951187133789, 0.32756996154785156, 0.3279120922088623]
>>> T(lambda : with_else(True)).repeat()
[0.3305950164794922, 0.32186388969421387, 0.3209099769592285]

…或者换句话说：else无论if是否触发条件，使用该子句都会更快。

我认为这与两者生成的不同字节码有关，但有人能够详细确认/解释吗？

编辑： 似乎不是每个人都能重现我的时间，所以我认为提供一些关于我的系统的信息可能很有用。我正在运行安装了默认 python 的 Ubuntu
11.10 64 位。python生成以下版本信息：

Python 2.7.2+ (default, Oct  4 2011, 20:06:09) 
[GCC 4.6.1] on linux2

以下是 Python 2.7 中的反汇编结果：

>>> dis.dis(without_else)
  2           0 LOAD_FAST                0 (param)
              3 POP_JUMP_IF_FALSE       10

  3           6 LOAD_CONST               1 (1)
              9 RETURN_VALUE

  4     >>   10 LOAD_CONST               2 (0)
             13 RETURN_VALUE        
>>> dis.dis(with_else)
  2           0 LOAD_FAST                0 (param)
              3 POP_JUMP_IF_FALSE       10

  3           6 LOAD_CONST               1 (1)
              9 RETURN_VALUE

  5     >>   10 LOAD_CONST               2 (0)
             13 RETURN_VALUE        
             14 LOAD_CONST               0 (None)
             17 RETURN_VALUE

阅读 60

2022-07-09

共1个答案

小编典典

这是一个纯粹的猜测，我还没有找到一个简单的方法来检查它是否正确，但我有一个理论给你。

我尝试了您的代码并获得了相同的结果，但without_else()反复略慢于with_else()：

>>> T(lambda : without_else()).repeat()
[0.42015745017874906, 0.3188967452567226, 0.31984281521812363]
>>> T(lambda : with_else()).repeat()
[0.36009842032996175, 0.28962249392031936, 0.2927151355828528]
>>> T(lambda : without_else(True)).repeat()
[0.31709728471076915, 0.3172671387005721, 0.3285821242644147]
>>> T(lambda : with_else(True)).repeat()
[0.30939889008243426, 0.3035132258429485, 0.3046679117038593]

考虑到字节码是相同的，唯一的区别是函数的名称。特别是时序测试会查找全局名称。尝试重命名without_else()，差异消失：

>>> def no_else(param=False):
    if param:
        return 1
    return 0

>>> T(lambda : no_else()).repeat()
[0.3359846013948413, 0.29025818923918223, 0.2921801513879245]
>>> T(lambda : no_else(True)).repeat()
[0.3810395594970828, 0.2969634408842694, 0.2960104566362247]

我的猜测是它without_else与其他东西有哈希冲突，globals()所以全局名称查找稍微慢一些。

编辑：具有 7 个或 8 个键的字典可能有 32
个插槽，因此在此基础上与以下without_else内容存在哈希冲突__builtins__：

>>> [(k, hash(k) % 32) for k in globals().keys() ]
[('__builtins__', 8), ('with_else', 9), ('__package__', 15), ('without_else', 8), ('T', 21), ('__name__', 25), ('no_else', 28), ('__doc__', 29)]

为了阐明散列是如何工作的：

__builtins__散列到 -1196389688 减少模表大小（32）意味着它存储在表的 #8 槽中。

without_else哈希到 505688136 减少模 32 是 8 所以有冲突。为了解决这个 Python 计算：

从…开始：

j = hash % 32
perturb = hash

重复此操作，直到我们找到一个空闲插槽：

j = (5*j) + 1 + perturb;
perturb >>= 5;
use j % 2**i as the next table index;

这使它 17 用作下一个索引。幸运的是，这是免费的，所以循环只重复一次。哈希表大小是 2 的幂，哈希表的大小也是 2
的幂，2**i是i从哈希值中使用的位数j。

对表的每个探测都可以找到以下之一：

插槽是空的，在这种情况下探测停止并且我们知道该值不在表中。
该插槽未使用，但在过去使用过，在这种情况下，我们将尝试按上面计算的下一个值。
插槽已满，但存储在表中的完整哈希值与我们正在查找的键的哈希值不同（这就是__builtins__vs的情况without_else）。
插槽已满，并且具有我们想要的哈希值，然后 Python 检查键和我们正在查找的对象是否是同一个对象（在这种情况下，它们将是因为可能是标识符的短字符串被实习，所以相同的标识符使用完全相同的字符串）。
最后，当插槽已满时，哈希完全匹配，但键不是相同的对象，然后 Python 才会尝试比较它们是否相等。这是相对较慢的，但在名称查找的情况下实际上不应该发生。

2022-07-09