python - Python 代码在函数中运行得更快是真的吗？

Question

我看到一条评论让我想到了这个问题 Why does Python code run faster in a function? .

我开始思考，并认为我会使用 timeit 自己尝试一下库，但是我得到了非常不同的结果:

(注意:10**8 已更改为 10**7 以加快速度)

>>> from timeit import repeat
>>> setup = """
def main():
    for i in xrange(10**7):
        pass
"""
>>> stmt = """
for i in xrange(10**7):
    pass
"""
>>> min(repeat('main()', setup, repeat=7, number=10))
1.4399558753975725
>>> min(repeat(stmt, repeat=7, number=10))
1.4410973942722194
>>> 1.4410973942722194 / 1.4399558753975725
1.000792745732109

• 我是否正确使用了 timeit？
• 为什么这些结果彼此之间的差异不到 0.1%，而另一个问题的结果却相差近 250%？
• 是否只有在使用 CPython 编译版本的 Python(如 Cython)时才会有所不同？
• 最终:Python 代码在函数中真的更快，还是仅仅取决于您如何计时？

Answer 1

你的测试中的缺陷是 timeit 编译你的 stmt 代码的方式。它实际上是在以下模板中编译的:

template = """
def inner(_it, _timer):
    %(setup)s
    _t0 = _timer()
    for _i in _it:
        %(stmt)s
    _t1 = _timer()
    return _t1 - _t0
"""

因此 stmt 实际上是在函数中运行，使用 faSTLocals 数组(即 STORE_FAST)。

这是一个测试，你的函数在问题中作为 f_opt 与未优化的编译 stmt 在函数 f_no_opt 中执行:

>>> code = compile(stmt, '<string>', 'exec')
>>> f_no_opt = types.FunctionType(code, globals())

>>> t_no_opt = min(timeit.repeat(f_no_opt, repeat=10, number=10))
>>> t_opt = min(timeit.repeat(f_opt, repeat=10, number=10))
>>> t_opt / t_no_opt
0.4931101445632647