为什么这些常量函数的性能不同？答案

【问题标题】：Why do these constant functions performance differ?为什么这些常量函数的性能不同？
【发布时间】：2020-09-18 09:58:02
【问题描述】：

在下面的 sn-p 中，为什么 py_sqrt2 几乎是 np_sqrt2 的两倍？

from time import time
from numpy import sqrt as npsqrt
from math import sqrt as pysqrt

NP_SQRT2 = npsqrt(2.0)
PY_SQRT2 = pysqrt(2.0)

def np_sqrt2():
    return NP_SQRT2

def py_sqrt2():
    return PY_SQRT2

def main():
    samples = 10000000

    it = time()
    E = sum(np_sqrt2() for _ in range(samples)) / samples
    print("executed {} np_sqrt2's in {:.6f} seconds E={}".format(samples, time() - it, E))

    it = time()
    E = sum(py_sqrt2() for _ in range(samples)) / samples
    print("executed {} py_sqrt2's in {:.6f} seconds E={}".format(samples, time() - it, E))


if __name__ == "__main__":
    main()

$ python2.7 snippet.py 
executed 10000000 np_sqrt2's in 1.380090 seconds E=1.41421356238
executed 10000000 py_sqrt2's in 0.855742 seconds E=1.41421356238
$ python3.6 snippet.py 
executed 10000000 np_sqrt2's in 1.628093 seconds E=1.4142135623841212
executed 10000000 py_sqrt2's in 0.932918 seconds E=1.4142135623841212

请注意，它们是常量函数，仅从具有相同值的预计算全局变量中加载，并且常量仅在程序启动时的计算方式不同。

此外，这些函数的反汇编表明它们按预期工作并且只访问全局常量。

In [73]: dis(py_sqrt2)                                                                                                                                                                            
  2           0 LOAD_GLOBAL              0 (PY_SQRT2)
              2 RETURN_VALUE

In [74]: dis(np_sqrt2)                                                                                                                                                                            
  2           0 LOAD_GLOBAL              0 (NP_SQRT2)
              2 RETURN_VALUE

【问题讨论】：

标签： python performance bytecode python-internals repr

【解决方案1】：

因为您每次都将它发送到 c 以获取一个值

改用以下方法

t0=time.time()
numpy.sqrt([2]*10000)
t1 = time.time()
print("Took %0.3fs to do 10k sqrt(2)"%(t1-t0))

t0 = time.time()
for i in range(10000):
    numpy.sqrt(2)
t1 = time.time()
print("Took %0.3fs to do 10k math.sqrt(2)"%(t1-t0))

【讨论】：

感谢您的回答，但我不确定这是否回答了原始问题。我确实理解减少函数调用是件好事，但在问题的示例中，两个循环都具有相同数量的函数调用，这些函数调用显然是相同的。我的问题与 python 在幕后所做的更相关，这使得访问其中一个全局变量 (NP_SQRT2) 比访问另一个全局变量 (PY_SQRT2) 慢得多。
numpy 每次都需要将其发送到 c/c++ .... 所以会有一点点额外的开销 ... 与将其保存在 python 中（正常的 sqrt 函数所做的）相比。 ... numpy 旨在处理大量数据，而不是一遍又一遍地处理单个点
现在我注意到常量是一个 numpy 类型，您的回答更有意义。谢谢。

【解决方案2】：

在脚本的两个版本上运行 perf record 后，一个仅使用 PY_SQRT2，另一个仅使用 NP_SQRT2，似乎使用 numpy 常量的版本正在进行额外的调用。

这让我意识到这两个常量有不同的类型：

In [4]: type(PY_SQRT2)                                                          
Out[4]: float

In [5]: type(NP_SQRT2)                                                          
Out[5]: numpy.float64

所以在sum 上运行（也许正在加载？）numpy.float64s 比原生浮点数慢。

This answer 也有帮助。

【讨论】：