关于C#:Python:为什么*和**比/和sqrt()更快?

Python: why are * and ** faster than / and sqrt()?

在优化代码的同时,我意识到了以下几点:

1
2
3
4
5
6
7
8
>>> from timeit import Timer as T
>>> T(lambda : 1234567890 / 4.0).repeat()
[0.22256922721862793, 0.20560789108276367, 0.20530295372009277]
>>> from __future__ import division
>>> T(lambda : 1234567890 / 4).repeat()
[0.14969301223754883, 0.14155197143554688, 0.14141488075256348]
>>> T(lambda : 1234567890 * 0.25).repeat()
[0.13619112968444824, 0.1281130313873291, 0.12830305099487305]

以及:

1
2
3
4
5
>>> from math import sqrt
>>> T(lambda : sqrt(1234567890)).repeat()
[0.2597470283508301, 0.2498021125793457, 0.24994492530822754]
>>> T(lambda : 1234567890 ** 0.5).repeat()
[0.15409398078918457, 0.14059877395629883, 0.14049601554870605]

我认为这与C中实现Python的方式有关,但我想知道是否有人愿意解释为什么会这样?


您的结果(有些意外)的原因是,python似乎折叠了涉及浮点乘法和求幂的常量表达式,而不是除法。math.sqrt()是完全不同的野兽,因为它没有字节码,而且它涉及函数调用。

在python 2.6.5上,以下代码:

1
2
3
4
x1 = 1234567890.0 / 4.0
x2 = 1234567890.0 * 0.25
x3 = 1234567890.0 ** 0.5
x4 = math.sqrt(1234567890.0)

编译为以下字节码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
  # x1 = 1234567890.0 / 4.0
  4           0 LOAD_CONST               1 (1234567890.0)
              3 LOAD_CONST               2 (4.0)
              6 BINARY_DIVIDE      
              7 STORE_FAST               0 (x1)

  # x2 = 1234567890.0 * 0.25
  5          10 LOAD_CONST               5 (308641972.5)
             13 STORE_FAST               1 (x2)

  # x3 = 1234567890.0 ** 0.5
  6          16 LOAD_CONST               6 (35136.418286444619)
             19 STORE_FAST               2 (x3)

  # x4 = math.sqrt(1234567890.0)
  7          22 LOAD_GLOBAL              0 (math)
             25 LOAD_ATTR                1 (sqrt)
             28 LOAD_CONST               1 (1234567890.0)
             31 CALL_FUNCTION            1
             34 STORE_FAST               3 (x4)

正如您所看到的,乘法和求幂完全不用花时间,因为它们是在编译代码时完成的。由于是在运行时进行的,因此划分需要更长的时间。平方根不仅是这四种方法中计算成本最高的一种,它还产生了其他方法所没有的各种开销(属性查找、函数调用等)。

如果你消除了常数折叠的影响,那么乘法和除法就没有什么区别了:

1
2
3
4
5
6
7
In [16]: x = 1234567890.0

In [17]: %timeit x / 4.0
10000000 loops, best of 3: 87.8 ns per loop

In [18]: %timeit x * 0.25
10000000 loops, best of 3: 91.6 ns per loop

math.sqrt(x)实际上比x ** 0.5快一点,这大概是因为后者是一种特殊情况,因此可以更有效地完成,尽管经常性开支:

1
2
3
4
5
In [19]: %timeit x ** 0.5
1000000 loops, best of 3: 211 ns per loop

In [20]: %timeit math.sqrt(x)
10000000 loops, best of 3: 181 ns per loop

编辑2011-11-16:常量表达式折叠由python的窥视孔优化程序完成。源代码(peephole.c包含以下注释,解释了常量除法不折叠的原因:

1
2
3
4
5
    case BINARY_DIVIDE:
        /* Cannot fold this operation statically since
           the result can depend on the run-time presence
           of the -Qnew flag */
        return 0;

-Qnew标志启用在PEP 238中定义的"真正的划分"。