标签: python-internals

我一直在寻求从我的代码中获得更多的性能; 最近,在浏览这个Python维基页面时,我发现了这个主张:

多次分配比单独分配慢.例如,"x,y = a,b"比"x = a; y = b"慢.

好奇,我测试了它(在Python 2.7上):

$ python -m timeit "x, y = 1.2, -1.4"
10000000 loops, best of 3: 0.0365 usec per loop

$ python -m timeit "x = 1.2" "y = -1.4"
10000000 loops, best of 3: 0.0542 usec per loop

我以不同的顺序重复了几次,等等,但多重赋值片段的表现始终比个人作业至少好30%.显然,我的代码涉及变量赋值的部分不会成为任何重大瓶颈的根源,但我的好奇心仍然被激发了.当文档另有说明时,为什么多项任务明显快于个人任务？

编辑:

我测试了两个以上变量的赋值,得到了以下结果:

趋势似乎或多或少一致; 任何人都可以复制它吗？

(CPU:Intel Core i7 @ 2.20GHz)

从Python2教程和Python3教程中,在7.2.1节的中点都有一行说:

如果要读取列表中文件的所有行,也可以使用list(f)或f.readlines().

所以我的问题是:将文件对象转换为列表的这两种方法有什么区别？我在性能方面和Python对象实现中都很好奇(也许是Python2和Python3之间的区别).

在Python 2中,为什么旧​​样式类的实例仍然是实例,object即使它们没有显式继承object？

class OldClass:
    pass

>>> isinstance(OldClass(), object)
True

在测试之前,我会得出结论,isinstance(x, object) == True这意味着它x是一个子类object的实例,因此是新样式类的一个实例,但似乎Python 2中的所有对象都是实例object(是的,我知道声音有多明显) ).

进一步挖掘,我发现了一些看似奇怪的行为:

>>> issubclass(OldClass, object)
False

我的印象isinstance(x, SomeClass)实际上相当于issubclass(x.__class__, SomeClass),但显然我错过了一些东西.

在这篇文章中,Guido van Rossum说功能调用可能很昂贵,但我不明白为什么也不贵.

多少延迟会为您的代码添加一个简单的函数调用,为什么？

列表推导将其代码直接放在使用它们的函数中,如下所示:

>>> dis.dis((lambda: [a for b in c]))
  1           0 BUILD_LIST               0
              3 LOAD_GLOBAL              0 (c)
              6 GET_ITER            
        >>    7 FOR_ITER                12 (to 22)
             10 STORE_FAST               0 (b)
             13 LOAD_GLOBAL              1 (a)
             16 LIST_APPEND              2
             19 JUMP_ABSOLUTE            7
        >>   22 RETURN_VALUE        

而生成器表达式和字典/集合理解主要放在一个单独的嵌套函数中,如下所示:

>>> dis.dis((lambda: {a for b in c}))
  1           0 LOAD_CONST               1 (<code object <setcomp> at 0x7ff41a3d59b0, file "<stdin>", line 1>)
              3 MAKE_FUNCTION            0
              6 LOAD_GLOBAL              0 (c)
              9 GET_ITER            
             10 CALL_FUNCTION            1
             13 RETURN_VALUE        

>>> dis.dis((lambda: {a for …

为什么Python中返回True时，我比较int和float具有相同价值的物品？

例如：

>>> 5*2 == 5.0*2.0
True

我正在玩f字符串（请参阅PEP 498），因此我决定检查f字符串解析（例如f“ {1}”）的速度与通常的str解析（例如str（1） ））。但是令我惊讶的是，当我使用timeit函数检查两种方法的速度时，我发现

>>> from timeit import timeit
>>> timeit("f'{1}'")
0.1678762999999961

而

>>> timeit("str(1)")
0.3216999999999999

甚至是repr func，在大多数情况下，它们都比str转换快

>>> timeit("repr(1)")
0.2528296999999995

我不知道为什么呢？我以为f弦在内部调用了str，但是现在，我有点困惑了，有什么想法吗？提前致谢！

PD：就像有人想知道的那样：

assert f"{1}" == str(1) == repr(1)

这是来自 Python 3.8.0 解释器的示例（但是，它在 3.7.5 中类似）

>>> import sys
>>> sys.getsizeof(int)
416
>>> sys.getsizeof(float)
416
>>> sys.getsizeof(list)
416
>>> sys.getsizeof(tuple)
416
>>> sys.getsizeof(dict)
416
>>> sys.getsizeof(bool)
416

getsizeof()返回 Python 对象消耗的字节数以及垃圾收集器的开销（参见此处）。基本python类消耗相同数量的内存的原因是什么？

如果我们看一下这些类的实例

>>> import sys
>>> sys.getsizeof(int())
24
>>> sys.getsizeof(float())
24

默认参数是，0并且这两个实例对此参数具有相同的内存使用量。但是，如果我尝试添加一个参数

>>> sys.getsizeof(int(1))
28
>>> sys.getsizeof(float(1))
24

这就是奇怪的地方。为什么 int 类型的实例内存使用量增加，而 float 类型的实例内存使用量没有增加？

我有一个字符串列表，我想按 Python 3.6 中的两个自定义键函数对其进行排序。将多排序方法（按较小键排序，然后按主键排序）与多键方法（将键作为元组(major_key, lesser_key)）进行比较，我可以看到后者比前者慢 2 倍以上，这是惊讶，因为我认为它们是等价的。我想了解为什么会这样。

import random
from time import time

largest = 1000000
length = 10000000
start = time()
lst = [str(x) for x in random.choices(range(largest), k=length)]
t0 = time() - start

start = time()
tmp = sorted(lst, key=lambda x: x[::2])
l1 = sorted(tmp, key=lambda x: ''.join(sorted(x)))
t1 = time() - start

start = time()
l2 = sorted(lst, key=lambda x: (''.join(sorted(x)), x[::2]))
t2 = time() - start

print(f'prepare={t0} multisort={t1} multikey={t2} slowdown={t2/t1}')

assert l1 == l2

Python 3.10 不这么认为：

Python 3.10.6 | packaged by conda-forge | (main, Aug 22 2022, 20:38:29) [Clang 13.0.1 ] \
    on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> from typing import Iterable
>>> isinstance(list[str], Iterable)
False
>>> list(list[str])
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'types.GenericAlias' object is not iterable

Python 3.11 认为它是：

Python 3.11.0 | packaged by conda-forge | (main, Jan 15 2023, 05:44:48) [Clang 14.0.6 ] \
    on darwin
Type …