Question

这是an answer I gave a few days back的后续问题。 编辑：似乎该问题的OP已经使用了我发给他的代码来询问the same question，但我没有意识到这一点。道歉。提供的答案虽然不同！

我基本上观察到了：

>>> def without_else(param=False):
...     if param:
...         return 1
...     return 0
>>> def with_else(param=False):
...     if param:
...         return 1
...     else:
...         return 0
>>> from timeit import Timer as T
>>> T(lambda : without_else()).repeat()
[0.3011460304260254, 0.2866089344024658, 0.2871549129486084]
>>> T(lambda : with_else()).repeat()
[0.27536892890930176, 0.2693932056427002, 0.27011704444885254]
>>> T(lambda : without_else(True)).repeat()
[0.3383951187133789, 0.32756996154785156, 0.3279120922088623]
>>> T(lambda : with_else(True)).repeat()
[0.3305950164794922, 0.32186388969421387, 0.3209099769592285]

...或换句话说：无论else条件被触发与否，if子句都会更快。

我认为它与两者生成的不同字节码有关，但有人能够详细确认/解释吗？

编辑：似乎不是每个人都能重现我的时间，所以我认为在我的系统上提供一些信息可能会有用。我正在安装默认的python运行Ubuntu 11.10 64位。 python生成以下版本信息：

Python 2.7.2+ (default, Oct  4 2011, 20:06:09) 
[GCC 4.6.1] on linux2

以下是Python 2.7中反汇编的结果：

>>> dis.dis(without_else)
  2           0 LOAD_FAST                0 (param)
              3 POP_JUMP_IF_FALSE       10

  3           6 LOAD_CONST               1 (1)
              9 RETURN_VALUE        

  4     >>   10 LOAD_CONST               2 (0)
             13 RETURN_VALUE        
>>> dis.dis(with_else)
  2           0 LOAD_FAST                0 (param)
              3 POP_JUMP_IF_FALSE       10

  3           6 LOAD_CONST               1 (1)
              9 RETURN_VALUE        

  5     >>   10 LOAD_CONST               2 (0)
             13 RETURN_VALUE        
             14 LOAD_CONST               0 (None)
             17 RETURN_VALUE

Answer 1

这是一个纯粹的猜测，我还没有想出一个简单的方法来检查它是否正确，但我有一个理论适合你。

我尝试了您的代码并获得相同的结果，without_else()反复略慢于with_else()：

>>> T(lambda : without_else()).repeat()
[0.42015745017874906, 0.3188967452567226, 0.31984281521812363]
>>> T(lambda : with_else()).repeat()
[0.36009842032996175, 0.28962249392031936, 0.2927151355828528]
>>> T(lambda : without_else(True)).repeat()
[0.31709728471076915, 0.3172671387005721, 0.3285821242644147]
>>> T(lambda : with_else(True)).repeat()
[0.30939889008243426, 0.3035132258429485, 0.3046679117038593]

考虑到字节码是相同的，唯一的区别是函数的名称。特别是时序测试会查找全局名称。尝试重命名without_else()，差异消失：

>>> def no_else(param=False):
    if param:
        return 1
    return 0

>>> T(lambda : no_else()).repeat()
[0.3359846013948413, 0.29025818923918223, 0.2921801513879245]
>>> T(lambda : no_else(True)).repeat()
[0.3810395594970828, 0.2969634408842694, 0.2960104566362247]

我的猜测是without_else与globals()中的其他内容发生哈希冲突，因此全局名称查找稍慢。

编辑：包含7或8个密钥的字典可能有32个插槽，因此without_else与__builtins__发生哈希冲突：

>>> [(k, hash(k) % 32) for k in globals().keys() ]
[('__builtins__', 8), ('with_else', 9), ('__package__', 15), ('without_else', 8), ('T', 21), ('__name__', 25), ('no_else', 28), ('__doc__', 29)]

阐明散列的工作原理：

__builtins__哈希到-1196389688，以表格大小减少模数（32）表示它存储在表格的＃8插槽中。

without_else哈希到505688136，减少模数32为8，因此发生碰撞。要解决此问题，Python计算：

从：

开始

j = hash % 32
perturb = hash

重复此操作，直至找到空闲插槽：

j = (5*j) + 1 + perturb;
perturb >>= 5;
use j % 2**i as the next table index;

将17用作下一个索引。幸运的是，这是免费的，所以循环只重复一次。散列表大小是2的幂，因此2**i是散列表的大小，i是散列值j中使用的位数。

表格中的每个探针都可以找到其中一个：

插槽是空的，在这种情况下探测停止，我们知道价值不在表格中。
广告位未使用但过去曾使用过，我们会尝试使用下面计算的下一个值。
插槽已满，但表中存储的完整哈希值不是与我们正在寻找的密钥的哈希相同（就是这样在__builtins__ vs without_else）的情况下发生。
插槽已满，并且具有我们想要的哈希值，然后是Python 检查我们正在查找的密钥和对象是否是同一个对象（在这种情况下，它们将是因为短字符串可以是标识符，因此相同的标识符使用完全相同的字符串）。
最后，当插槽已满时，哈希值与键完全匹配不是相同的对象，然后只有Python才会尝试比较他们的平等。这是相对缓慢的，但在名称查找的情况实际上不应该发生。

为什么早退比其他人慢？

1 个答案: