为什么将一行代码拆分成（做很多事情）成许多更小的行 运行 *so* 慢得多
Whey does splitting a line of code into (that does many things) into many smaller lines run *so* much slower
这些都在 python 3. 我有一行代码基本上是这样做的：
somefloat += someDict(someList(someIndex1)))(someIndex2)
本质上，我拥有的是一个字典列表，每个字典都包含多个指向浮点数列表的条目。 someIndex1 和 someIndex2 没有关系，都是整数。 someList 是一个字符串列表。
然而，当我把它分成下面时，它最终 慢很多：
val1 = someList(someIndex1)
val2 = someDict(val1)
val3 = val2(someIndex2)
somefloat += val3
我已经使用 kernprof 对上面的时间进行了计时（它是大量嵌套的 - 超过 130,000 次调用）。结果如下：
案例 1 - 一个班轮：
案例 2 - 多线：
所以你可以从上面看到，一条线比任何一条单独的线都稍微慢一点，但一条线比它的部分组合快将近 4 倍。我对这种程度的放缓感到惊讶 - 我错过了什么，这仅仅是任何操作的成本超过了特定操作的成本吗？
每次给val1、val2、val3赋新值时，都需要写在某处。然后，需要访问它才能得到你想要的。
如果你的列表嵌套很深，调用了 130k+ 次，每次都需要从所述变量中获取值，这会导致性能下降。
这些都在 python 3. 我有一行代码基本上是这样做的：
somefloat += someDict(someList(someIndex1)))(someIndex2)
本质上，我拥有的是一个字典列表，每个字典都包含多个指向浮点数列表的条目。 someIndex1 和 someIndex2 没有关系，都是整数。 someList 是一个字符串列表。
然而，当我把它分成下面时，它最终 慢很多：
val1 = someList(someIndex1)
val2 = someDict(val1)
val3 = val2(someIndex2)
somefloat += val3
我已经使用 kernprof 对上面的时间进行了计时（它是大量嵌套的 - 超过 130,000 次调用）。结果如下：
案例 1 - 一个班轮：
案例 2 - 多线：
所以你可以从上面看到，一条线比任何一条单独的线都稍微慢一点，但一条线比它的部分组合快将近 4 倍。我对这种程度的放缓感到惊讶 - 我错过了什么，这仅仅是任何操作的成本超过了特定操作的成本吗？
每次给val1、val2、val3赋新值时，都需要写在某处。然后，需要访问它才能得到你想要的。 如果你的列表嵌套很深，调用了 130k+ 次，每次都需要从所述变量中获取值，这会导致性能下降。