Question

这里我有两个功能：

from functools import reduce
from operator import mul

def fn1(arr):
    product = 1
    for number in arr:
        product *= number
    return [product//x for x in arr]

def fn2(arr):
   product = reduce(mul, arr)
   return [product//x for x in arr]

基准：

In [2]: arr = list(range(1,11))

In [3]: %timeit fn1(arr)
1.62 µs ± 23.5 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In [4]: %timeit fn2(arr)
1.88 µs ± 28.3 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In [5]: arr = list(range(1,101))

In [6]: %timeit fn1(arr)
38.5 µs ± 190 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [7]: %timeit fn2(arr)
41 µs ± 463 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [8]: arr = list(range(1,1001))

In [9]: %timeit fn1(arr)
4.23 ms ± 25.8 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [10]: %timeit fn2(arr)
4.24 ms ± 36.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [11]: arr = list(range(1,10001))

In [12]: %timeit fn1(arr)
605 ms ± 4.97 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [13]: %timeit fn2(arr)
594 ms ± 4.3 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

在fn2()中，小列表的速度稍慢。我的理解是reduce()和mul()函数都是内置函数，因此它们以C的速度运行，并且应该比for循环快。可能是因为fn2中有更多的函数调用（这也需要花费一些时间），这有助于最终性能吗？但随后的趋势表明，列表较大时fn2()优于fn1()。为什么？

Answer 1

可能有很多原因。首先是CPU代码执行预测和编译器优化。对于我来说，如果您选择合适的算法，哪种形式的代码会更快对您来说并不重要。您需要使用一种适合您的需求并且看起来更好的产品，并将性能留给python编译器。通常，更快的选项会导致更多的内存/可读性/支持问题。同样，也不能保证仅在某些简单的周期内复杂的代码不会改变性能，只是因为可以进行一些优化。

-更新-

如果您想通过简单的操作来提高python的性能，我建议您看看PyPy，Cython，nim，它们在python类型包装器使用过多时会获得C的性能。

Answer 2

这些总是很接近，但是出于一些有趣的原因：

如果乘积较小（例如，对于range(1,10)而言），则该函数仅执行很少的“有用”工作，并且所有内容都将进入Python对象之间的编组机int中，因此可以调用功能
如果乘积很大（例如range(1,10001)），则数字变得巨大（即数千个十进制数字），并且大部分时间都花在乘以非常大的数字上

例如，对于Python 3.7.3（在Linux 5.0.10中）：

from functools import reduce
from operator import mul

prod = reduce(mul, range(1, 10001))

prod的位数约为36k，消耗的数据约为16KiB，即用math.log10(prod)和sys.getsizeof(prod)进行检查。

使用小型（即非bignum）产品，例如：

reduce(mul, [1] * 10001)

在我的计算机上，

的速度比我们如上所述需要使用bignums快50倍。还请注意，与整数（例如）相比，使用浮点数时的速度基本相同。

reduce(mul, [1.] * 10001)

只需要大约10％的时间。

您的额外代码使数组遍历了，这似乎使问题变得更加复杂，因此我将其忽略了---这样的微基准测试很尴尬，无法正确执行！

Python FOR循环与内置的reduce（）和mul（）函数？

2 个答案: