为什么我的 python 函数比 c++ 中的函数运行得更快？

Question

我一直在编写一个简单的测试来比较 c++ 相对于 python 的速度改进。我的结果出乎意料，c++ 几乎是用 python 编写的程序的三倍。我猜想 python 函数内部的循环中有一些使用迭代器或其他东西的东西。

C++代码

#include <ctime>
#include <chrono>
using namespace std;
using namespace chrono;

void mult(int* a, int b)
{
    for (size_t i = 0; i < 100000000; i++)
    {
        a[i] *= b;
    }
}

int main()
{
    srand(time(0));
    int* a = new int[100000000];
    int l = 100000000;
    for (int i = 0; i < l; ++i)
    {
        a[i] = rand();
    }
    auto start = high_resolution_clock::now();
    mult(a, 5);
    auto stop = high_resolution_clock::now();
    auto duration = duration_cast<milliseconds>(stop - start);
    cout << duration.count() << endl;
    delete[] a;
}

Python代码

import time

def mult(x, a):
    for i in [x]:
        i *= a

x = np.random.random(100000000)
start = time.time() 
mult(x, 5)
elapsed = time.time()
elapsed = elapsed - start
print ("Time spent in (mult) is: ", elapsed)

结果

C++：200毫秒

Python：65 毫秒

Answer 1

此性能测试没有给出有用结果的原因有很多。

1. 不要比较或关注release时间安排。使用 C 或 C++ 等语言的全部目的是启用（静态）编译器优化。所以实际上，结果是一样的。另一方面，重要的是要确保积极的编译器优化不会优化整个测试（由于未使用计算结果，或者由于程序中任何地方的未定义行为，或者由于编译器假设部分代码实际上无法到达，因为如果到达的话将会出现未定义的行为）。

2. for i in [x]:是一个毫无意义的循环：它创建一个包含一个元素的 Python 列表，并迭代一次。一次迭代会执行此操作i *= a，即，它会相乘i，这就是 Numpy 数组。该代码只有在意外情况下才会起作用；碰巧 Numpy 数组专门定义了*一个循环并将每个元素相乘。这让我们...

3. 使用 Numpy 的全部意义在于，它通过在幕后使用C 编写的代码来实现算法和数据结构来优化数字运算。i只是包含一个指向内存分配的指针，该内存分配看起来与 C 程序使用的内存分配基本相同，并且i *= a执行一些 O(1) 检查，然后设置并执行一个看起来与 C 代码中的循环基本相同的循环。

4. 一般来说，这不是可靠的计时方法。那完全是另一锅鱼。Python 标准库包含一个timeit旨在使计时更容易并帮助避免一些更基本的陷阱的模块。但总的来说，正确地做到这一点是一个超出 Stack Overflow 问题范围的研究主题。

“但我想看到原生 Python 的缓慢性能，而不是 Numpy 的优化的东西 - ”

如果您只想查看 Python iteration的缓慢性能，那么您需要循环实际迭代数组的元素（并将它们写回）：

def mult(x, a):
    for i in range(len(x)):
        x[i] *= a

只是经验丰富的 Python 爱好者不会那样编写代码，因为range(len(这样很丑陋。Pythonic 方法是创建一个新列表：

def mult(x, a):
    return [i*a for i in x]

这也将向您展示原生 Python数据结构的低效率（我们需要创建一个新列表，其中包含指向对象的指针int）。

在我的机器上，以这种方式处理 Numpy 数组实际上比原生 Python 列表还要慢。这可能是因为必须完成额外的工作才能将 Numpy 代码与本机 Python 连接起来，并将原始整数数据“装箱”到int对象中。