python - 为什么 "not"运算符比 python 中的常规条件更快？

Question

我正在阅读一篇关于列表推导式的文章，其中提到列表推导式比常规循环和嵌套 for 循环更快。在阅读那篇文章时，它提到了这个声明

  if expression % 2 == 0:

慢于

  if not expression % 2:

谁能解释一下这背后的原因吗？即使我正在解决树问题，并且在递归中我使用的是非根类型的参数。因此，如果有人能提供帮助，我将不胜感激。

文章链接:https://switowski.com/blog/for-loop-vs-list-comprehension这是简短的实现，感谢@Ted

>>> MILLION_NUMBERS = list(range(1_000_000))
>>> def for_loop():
...     output = []
...     for element in MILLION_NUMBERS:
...         if not element % 2:
...             output.append(element)
...     return output
... 
>>> def for_loop2():
...     output = []
...     for element in MILLION_NUMBERS:
...         if element % 2 == 0:
...             output.append(element)
...     return output
... 
>>> timeit.timeit(stmt=for_loop, number=100)
6.254316797000001
>>> timeit.timeit(stmt=for_loop2, number=100)
7.362754617999997

提前致谢。

Answer 1

如果您在这两种情况下使用反汇编程序，您会发现:

if expression % 2 == 0:

  2           0 LOAD_FAST                0 (x)
              2 LOAD_CONST               1 (2)
              4 BINARY_MODULO
              6 LOAD_CONST               2 (0)
              8 COMPARE_OP               2 (==)
             10 POP_JUMP_IF_FALSE       20

if not expression % 2:

2           0 LOAD_FAST                0 (x)
              2 LOAD_CONST               1 (2)
              4 BINARY_MODULO
              6 POP_JUMP_IF_TRUE        16

上面的示例还需要执行两次操作来确定该值是否为零。这大概就是本书作者所说的基础。实际上，这几乎没有任何区别，并且在不同的 python 实现中可能存在很大差异。您还可以使用timeit模块计时!

>>> timeit.timeit('5 % 2 == 0', number=10**7)
0.47088638799323235
>>> timeit.timeit('not 5 % 2', number=10**7)
0.1560280679987045

这会告诉你第二个几乎比第一个快 3 倍。