Question

众所周知，乘数，整数除法和以2的幂进行模运算可以更有效地重写为按位运算：

>>> x = randint(50000, 100000)
>>> x << 2 == x * 4
True
>>> x >> 2 == x // 4
True
>>> x & 3 == x % 4
True

在C / C ++和Java等编译语言中，测试表明，按位运算通常比算术运算更快。（请参见here和here）。但是，当我在Python中测试它们时，却得到相反的结果：

In [1]: from random import randint
   ...: nums = [randint(0, 1000000) for _ in range(100000)]

In [2]: %timeit [i * 8 for i in nums]
7.73 ms ± 397 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [3]: %timeit [i << 3 for i in nums]
8.22 ms ± 368 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [4]: %timeit [i // 8 for i in nums]
7.05 ms ± 393 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [5]: %timeit [i >> 3 for i in nums]
7.55 ms ± 367 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [6]: %timeit [i % 8 for i in nums]
5.96 ms ± 503 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [7]: %timeit [i & 7 for i in nums]
8.29 ms ± 816 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

如您所见，按位运算比其算术运算要慢，尤其是对于模运算。我对另一组数字重复了此测试，并得到了相同的结果。是否有一个原因？如果重要的话，这些测试是在CPython 3.6.7中进行的。

Answer 1

*，%和/都具有单“四肢”整数的快速路径。 <<，>>和&没有。他们正在通过通用的任意精度代码路径。

Answer 2

我测试大量数字，按位运算符更快。

python -m timeit '[i for i in range(10**64, 10**64+1000) if i & 0b10==0]'
1000 loops, best of 3: 238 usec per loop

python -m timeit '[i for i in range(10**64, 10**64+1000) if i % 2==0]'
1000 loops, best of 3: 303 usec per loop

Answer 3

Python是一种解释型语言，因此，在使您与机器代码分离的复杂指令中，您可能会在任何地方失去速度。

如果这种速度差异对您很重要，则您可能应该使用NumPy，它将使您能够以更接近于已编译代码的级别对数字进行批量处理。

为什么按位运算符比乘法/除法/模运算慢？

3 个答案: