Question

我一直在寻求从我的代码中获得更多的性能;最近，在浏览this Python wiki page时，我发现了这个说法：

多次分配比个别分配慢。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，但是多重分配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比个别任务快？

修改

我测试了两个以上变量的分配，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）

Answer 1

有趣的是，它可能在某种程度上取决于CPU。这些都是64位Linux机器（相同的Python构建）。

Intel（R）Core（TM）2 Duo CPU T7300 @ 2.00GHz

的结果

$ python -V
Python 2.7.5+
$ python -m timeit "x, y = 1.2, -1.4"
10000000 loops, best of 3: 0.0554 usec per loop
$ python -m timeit "x = 1.2" "y = -1.4"
10000000 loops, best of 3: 0.0349 usec per loop

Intel（R）Pentium（R）CPU G850 @ 2.90GHz

的结果

$ python -V
Python 2.7.5+
$ python -m timeit "x, y = 1.2, -1.4"
10000000 loops, best of 3: 0.0245 usec per loop
$ python -m timeit "x = 1.2" "y = -1.4"
10000000 loops, best of 3: 0.0394 usec per loop

Answer 2

最好看看python的dis模块。哪个反汇编字节码。测试显示两个变量赋值：

import dis 

def single_assignment():
    x = 1 
    y = 2 

def multiple_assignment():
    x, y = 1, 2

print dis.dis(single_assignment)
print dis.dis(multiple_assignment)

字节码：

  4           0 LOAD_CONST               1 (1)
              3 STORE_FAST               0 (x)

  5           6 LOAD_CONST               2 (2)
              9 STORE_FAST               1 (y)
             12 LOAD_CONST               0 (None)
             15 RETURN_VALUE        
None
  8           0 LOAD_CONST               3 ((1, 2))
              3 UNPACK_SEQUENCE          2
              6 STORE_FAST               0 (x)
              9 STORE_FAST               1 (y)
             12 LOAD_CONST               0 (None)
             15 RETURN_VALUE        
None

在2个变量的情况下，看起来所需的字节码数是相同的。如果有3个或更多变量赋值，则字节码数量较小。

Python：多项任务与个人分配速度

2 个答案: