在Python 3中描述len（set）与set .__ len __（）的性能

Question

在分析我的Python应用程序时，我发现使用集合时len()似乎非常昂贵。请参阅以下代码：

import cProfile

def lenA(s):
    for i in range(1000000):
        len(s);

def lenB(s):
    for i in range(1000000):
        s.__len__();

def main():
    s = set();
    lenA(s);
    lenB(s);

if __name__ == "__main__":
    cProfile.run("main()","stats");

根据以下个人资料的统计数据，lenA()似乎比lenB()慢14倍：

 ncalls  tottime  percall  cumtime  percall  filename:lineno(function)
      1    1.986    1.986    3.830    3.830  .../lentest.py:5(lenA)
1000000    1.845    0.000    1.845    0.000  {built-in method len}
      1    0.273    0.273    0.273    0.273  .../lentest.py:9(lenB)

我错过了什么吗？目前我使用的是__len__()而不是len()，但代码看起来很脏:(

Answer 1

显然，len有一些开销，因为它执行函数调用并将AttributeError转换为TypeError。此外，set.__len__是一个如此简单的操作，与几乎任何东西相比，它必然会非常快，但在使用timeit时我仍然没有找到类似14x的差异：

In [1]: s = set()

In [2]: %timeit s.__len__()
1000000 loops, best of 3: 197 ns per loop

In [3]: %timeit len(s)
10000000 loops, best of 3: 130 ns per loop

您应始终致电len，而不是__len__。如果对len的调用是您程序中的瓶颈，则应重新考虑其设计，例如：缓存大小某处或计算它们而不调用len。

Answer 2

这是关于分析器的有趣观察，它与len函数的实际性能无关。您可以在分析器统计信息中看到有关lenA的两行：

 ncalls  tottime  percall  cumtime  percall  filename:lineno(function)
      1    1.986    1.986    3.830    3.830  .../lentest.py:5(lenA)
1000000    1.845    0.000    1.845    0.000  {built-in method len}

...虽然lenB只有一行：

      1    0.273    0.273    0.273    0.273  .../lentest.py:9(lenB)

个人资料分析器将每个来电从lenA定时到len，但整个时间lenB。定时呼叫总是增加一些开销;在lenA的情况下，你看到这个开销乘以一百万次。

Answer 3

这将是一个评论，但在larsman评论他的争议结果和我得到的结果之后，我认为将我的数据添加到帖子中很有意思。

尝试或多或少相同的设置我得到了相反的OP得到了，并且在larsman评论的同一方向：

12.1964105975   <- __len__
6.22144670823   <- len()

C:\Python26\programas>

测试：

def lenA(s):
    for i in range(100):
        len(s);

def lenB(s):
    for i in range(100):
        s.__len__();

s = set()

if __name__ == "__main__":

    from timeit import timeit
    print timeit("lenB(s)", setup="from __main__ import lenB, s")
    print timeit("lenA(s)", setup="from __main__ import lenA, s")

这是win7中的activepython 2.6.7 64位