我认为lambda比函数调用更快,但经过测试,我发现我错了。函数调用肯定比lambda调用快。
有人可以告诉我为什么吗?
如何加速Python中的函数调用?
我正在使用Ubuntu 14.04和Python 2.7.6
>>> timeit('def a():return 222*333 ;a()')
0.08195090293884277
>>> timeit('a=lambda:222*333 ;a()')
0.11071300506591797
>>> timeit('a=lambda: [].extend(range(10)) ;a()')
0.40241098403930664
>>> timeit('a=lambda: [].extend(range(10)) ;a()')
0.4011270999908447
>>> timeit('a=lambda: [].extend(range(10)) ;a()')
0.4064619541168213
>>> timeit('def a(): return [].extend(range(10)) ;a()')
0.07965493202209473
>>> timeit('def a(): return [].extend(range(10)) ;a()')
0.08039593696594238
>>> timeit('def a(): return [].extend(range(10)) ;a()')
0.08103609085083008
>>> timeit('def a(): return [].extend(range(10)) ;a()')
0.08639097213745117
对不起我的错误,没有区别。正确的测试:
>>> timeit('a()', setup="def a():return 222*333")
0.07061290740966797
>>> timeit('a()', setup="a=lambda: 222*333")
0.06967616081237793
答案 0 :(得分:8)
timeit('def a(): return [].extend(range(10)) ;a()')
未调用a()
;对a()
的调用是a
的定义的一部分:
In [34]: def a(): return [].extend(range(10)) ;a()
In [35]: import dis
In [36]: dis.dis(a)
1 0 BUILD_LIST 0
3 LOAD_ATTR 0 (extend)
6 LOAD_GLOBAL 1 (range)
9 LOAD_CONST 1 (10)
12 CALL_FUNCTION 1
15 CALL_FUNCTION 1
18 RETURN_VALUE
19 LOAD_GLOBAL 2 (a)
22 CALL_FUNCTION 0 #<-- a is called
25 POP_TOP
如果你单独测试这些碎片,差异可以忽略不计:
In [24]: %timeit a=lambda: [].extend(range(10))
10000000 loops, best of 3: 68.6 ns per loop
In [25]: %timeit def a2(): return [].extend(range(10))
10000000 loops, best of 3: 68.8 ns per loop
In [22]: %timeit a()
1000000 loops, best of 3: 445 ns per loop
In [23]: %timeit a2()
1000000 loops, best of 3: 442 ns per loop
答案 1 :(得分:8)
如上所述,您的第一个测试仅描述了定义 a
所需的时间。它实际上从未被调用过。
Lambda表达式和“普通”函数生成完全相同的字节码,如果使用dis
模块,可以看到:
def a(): return 10
b = lambda: 10
import dis
>>> dis.dis(a)
1 0 LOAD_CONST 1 (10)
3 RETURN_VALUE
>>> dis.dis(b)
1 0 LOAD_CONST 1 (10)
3 RETURN_VALUE
答案 2 :(得分:4)
调用lambda与函数没有区别。 lambda只是一个用单个表达式创建的函数,没有名称。
假设我们有两个相同的函数,一个用函数定义创建,另一个用lambda表达式:
def a():
return 222*333
b = lambda: 222*333
我们看到两者都是相同类型的函数对象,它们都共享等效的字节码:
>>> type(a)
<class 'function'>
>>> type(b)
<class 'function'>
>>> import dis
>>> dis.dis(a)
2 0 LOAD_CONST 3 (73926)
2 RETURN_VALUE
>>> dis.dis(b)
1 0 LOAD_CONST 3 (73926)
2 RETURN_VALUE
你怎么能加快速度呢?你没有。这是Python。它是 预先优化 。您无需再使用此代码了。
也许你可以把它交给另一个解释器,或者用另一种语言重写它,但是如果你坚持使用Python,那么现在就没有其他事情要做了。
以下是我将如何检查时间。
Timeit的timeit
和repeat
都可以调用:
import timeit
请注意,timeit.repeat
也会带有repeat
个参数:
>>> min(timeit.repeat(a, repeat=100))
0.06456905393861234
>>> min(timeit.repeat(b, repeat=100))
0.06374448095448315
这些差异太小而不显着。