代码：

import time

def s():
    for i in range(1000000000):
        1 + 1

t = time.time()
s()
print("Function call: " + str(time.time() - t))

t = time.time()
for i in range(1000000000):
    1 + 1
print("Non function call: " + str(time.time() - t))

输出：

Function call: 38.39736223220825
Non function call: 60.33238506317139

Answer 1

你可能会认为，因为循环只有1 + 1，所以应该没有太大区别。但是，这里有一个“隐藏的”assignment通常被遗忘：到i循环中的循环变量for。这是经济放缓的原因。

在函数中，这是通过STORE_FAST完成的。在顶层，它使用STORE_NAME完成。第一个比另一个快，并且在一个运行1000000000次的循环中，这个差异非常清楚地显示出来。

请记住，只有的函数调用只发生一次。因此，它的开销在这种特定情况下并没有真正起作用。

除此之外，所有其他步骤都发生一次并且几乎相同。创建一个范围并抓取其迭代器，并为每次迭代加载常量2。

您可以随时使用dis module来检查为每个字节码生成的CPython字节码，如@Moses在评论中指出的那样。对于函数s，您有：

dis.dis(s)
#       snipped for brevity
        >>   10 FOR_ITER                 8 (to 20)
             12 STORE_FAST               0 (i)

  3          14 LOAD_CONST               3 (2)
             16 POP_TOP
             18 JUMP_ABSOLUTE           10

对于循环的顶级版本：

dis('for i in range(1000000000): 1+1')
#       snipped for brevity
        >>   10 FOR_ITER                 8 (to 20)
             12 STORE_NAME               1 (i)
             14 LOAD_CONST               3 (2)
             16 POP_TOP
             18 JUMP_ABSOLUTE           10

这些之间的主要区别在于存储迭代值i。在函数中，它更有效率。

要解决@Reblochon Masque（现已删除）的答案，在IPython单元格中与timeit定时时，这两个答案似乎没有显示出差异。

timeit次通过创建一个小函数（named inner）来存储您传递的语句并在给定次数的执行中执行它们。如果你创建一个Timer对象并查看它的src属性，你可以看到这个（这没有记录，所以不要指望它总是在那里： - ）：

from timeit import Timer

t = Timer('for i in range(10000): 1 + 1')
print(t.src)

这包含基本上定时的小功能。之前的print来电打印：

def inner(_it, _timer):
    pass
    _t0 = _timer()
    for _i in _it:
        for i in range(10000): 1 + 1
    _t1 = _timer()
    return _t1 - _t0

因此，实际上，通过使用timeit，您已经改变了执行i查找的方式，因为它位于函数内部，它也使用STORE_FAST。容易陷入困境！

^{^{（如果您不相信我，请参阅dis.dis(compile(t.src, '', 'exec').co_consts[0])）}}

函数调用执行速度比非函数调用快

代码：

输出：

1 个答案: