函数调用执行速度比非函数调用快

Question

函数调用总会产生一些开销。但是为什么下面的代码显示非函数调用比较慢。

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

您可能会想，既然循环只执行 1 + 1，那么应该没有太大区别。但是，这里有一个通常被遗忘的'hidden' assignment：到for循环中的循环变量i。这就是减速的原因。

在函数中，这是用 STORE_FAST. In the top level, it's done with STORE_NAME 完成的。第一个比另一个快，在一个运行 1000000000 次的循环中，这种差异非常明显。

记住函数调用只发生一次。所以它的开销在这个特定场景中并没有真正贡献。

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

您始终可以使用 dis module 来检查为其中每一个生成的 CPython 字节码，正如@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

而对于循环的顶层版本：

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

它们之间的主要区别在于迭代值的存储i。在函数中，它更有效。

解决@Reblochon Masque（现已删除）的答案，当在 IPython 个单元格中使用 timeit 计时时，这两个答案似乎没有差异。

timeit 通过创建一个小函数 (named inner) 来存储您传递的语句并在给定的执行次数内执行它们。如果您创建一个 Timer 对象并查看它的 src 属性，您可以看到这一点（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)

这包含了本质上是定时的小功能。之前的 print 调用打印：

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，您已经改变了执行查找 i 的方式，因为它在函数内部，所以它也是使用 STORE_FAST 完成的.容易犯错！

^{^{（不信请看dis.dis(compile(t.src, '', 'exec').co_consts[0])）}}

函数调用执行速度比非函数调用快

Function call execution speed is faster than non-function call

python

python-3.x

function

python-internals

代码：

输出：