选择的性能与 randint

Question

我想在 a 和 b 之间随机选择一个整数（含）。

我知道 3 种方法。然而，他们的表现似乎很反直觉：

import timeit

t1 = timeit.timeit("n=random.randint(0, 2)", setup="import random", number=100000)
t2 = timeit.timeit("n=random.choice([0, 1, 2])", setup="import random", number=100000)
t3 = timeit.timeit("n=random.choice(ar)", setup="import random; ar = [0, 1, 2]", number=100000)

[print(t) for t in [t1, t2, t3]]

在我的机器上，这给出：

0.29744589625620965
0.19716156798482648
0.17500512311108346

使用 online interpreter，得到：

0.23830216699570883
0.16536146598809864
0.15081614299560897

请注意，使用专用函数来完成我正在做的事情的最直接版本 (#1) 比最奇怪的版本 (#3) 差 50%预先定义一个数组，然后从中随机选择。

怎么回事？

Answer 1

这只是实现细节。 randint delegates to randrange, so it has another layer of function call overhead, and randrange goes through a lot of argument checking and other crud. In contrast, choice 是一个非常简单的单行代码。

这是此调用所经过的代码路径 randint，删除了注释和未执行的代码：

def randint(self, a, b):
    return self.randrange(a, b+1)

def randrange(self, start, stop=None, step=1, _int=int, _maxwidth=1L<<BPF):
    istart = _int(start)
    if istart != start:
        # not executed
    if stop is None:
        # not executed

    istop = _int(stop)
    if istop != stop:
        # not executed
    width = istop - istart
    if step == 1 and width > 0:
        if width >= _maxwidth:
            # not executed
        return _int(istart + _int(self.random()*width))

这里是 choice 经过的代码路径：

def choice(self, seq):
    return seq[int(self.random() * len(seq))]

选择的性能与 randint

Performance of choice vs randint

python

random

performance