为什么 Python 中减法比加法快？

Question

我正在优化一些 Python 代码，并尝试了以下实验：

import time

start = time.clock()
x = 0
for i in range(10000000):
    x += 1
end = time.clock()

print '+=',end-start

start = time.clock()
x = 0
for i in range(10000000):
    x -= -1
end = time.clock()

print '-=',end-start

第二个循环确实更快，从须要到 10% 不等，具体取决于我运行它的系统。我尝试过改变循环的顺序、执行次数等，它似乎仍然有效。

陌生人

for i in range(10000000, 0, -1):

（即向后运行循环）比

for i in range(10000000):

循环内容相同时更快。

这里有什么更通用的编程课程吗？

Answer 1

我可以在我的 Q6600 (Python 2.6.2) 上重现这一点；将范围增加到 100000000：

('+=', 11.370000000000001)
('-=', 10.769999999999998)

首先，一些观察结果：

• 对于一个简单的操作来说，这是 5%。这很重要。
• 本机加法和减法操作码的速度无关紧要。它位于本底噪声中，与字节码评估相比完全相形见绌。这指的是大约数千条一两条本机指令。
• 字节码生成完全相同数量的指令；唯一的区别是 INPLACE_ADD 与 INPLACE_SUBTRACT 以及 +1 与 -1。

看看Python源码，我可以猜测一下。这是在 ceval.c 的 PyEval_EvalFrameEx 中处理的。 INPLACE_ADD 有一个重要的额外代码块，用于处理字符串连接。 INPLACE_SUBTRACT 中不存在该块，因为您无法减去字符串。这意味着 INPLACE_ADD 包含更多本机代码。 （很大程度上！）取决于编译器生成代码的方式，这些额外的代码可能会与 INPLACE_ADD 代码的其余部分内联，这意味着加法比减法更容易访问指令缓存。这可能会导致额外的二级缓存命中，从而导致显着的性能差异。

这在很大程度上取决于您所在的系统（不同的处理器具有不同数量的缓存和缓存架构）、使用的编译器，包括特定版本和编译选项（不同的编译器将不同地决定哪些代码位位于关键位置）路径，它决定汇编代码如何组合在一起），等等。

此外，Python 3.0.1 中的差异相反（+：15.66，-：16.71）；毫无疑问，这个关键功能已经发生了很大变化。

Answer 2

$ python -m timeit -s "x=0" "x+=1"
10000000 loops, best of 3: 0.151 usec per loop
$ python -m timeit -s "x=0" "x-=-1"
10000000 loops, best of 3: 0.154 usec per loop

您似乎存在一些测量偏差

Answer 3

我认为“一般编程课程”是，仅通过查看源代码，确实很难预测哪个语句序列将是最快的。各个级别的程序员经常会陷入这种“直观”的优化之中。你认为你知道的不一定是真的。

没有什么可以替代实际测量您的程序性能。感谢您这样做；在这种情况下，回答为什么无疑需要深入研究Python的实现。

对于 Java、Python 和 .NET 等字节编译语言，仅仅在一台机器上测量性能是不够的。 VM 版本、本机代码翻译实现、特定于 CPU 的优化等之间的差异将使此类问题变得更加难以回答。

Answer 4

“第二个循环确实更快......”

这就是你的解释。重新排序脚本，以便首先对减法测试进行计时，然后进行加法，突然加法再次变得更快：

-= 3.05
+= 2.84

显然，脚本的后半部分发生了一些事情，使其速度更快。我的猜测是，第一次调用 range() 的速度较慢，因为 python 需要为这么长的列表分配足够的内存，但它能够重复使用该内存第二次调用 range()：

import time
start = time.clock()
x = range(10000000)
end = time.clock()
del x
print 'first range()',end-start
start = time.clock()
x = range(10000000)
end = time.clock()
print 'second range()',end-start

该脚本的几次运行表明，第一个 range() 所需的额外时间几乎占了'+=' 和 '-=' 见上文：

first range() 0.4
second range() 0.23

Answer 5

提出问题时最好说明您正在使用什么平台和 Python 版本。有时这并不重要。这不是其中之一：

1. time.clock() 仅适用于 Windows。扔掉您自己的测量代码并使用 -m timeit （如 Pixelbeat 的答案中所示）。

2. Python 2.X 的 range() 构建一个列表。如果您使用的是 Python 2.x，请将 range 替换为 xrange，看看会发生什么。

3. Python 3.X 的 int 是 Python2.X 的 long。

Answer 6

这里有更通用的编程课程吗？

这里更普遍的编程教训是，在预测计算机代码的运行时性能时，直觉是一个糟糕的指导。

人们可以推断算法的复杂性、编译器优化的假设、估计缓存性能等等。然而，由于这些东西可以以非平凡的方式进行交互，因此确定特定代码段的速度的唯一方法是在目标环境中对其进行基准测试（正如您所做的那样）。

Answer 7

对于 Python 2.5，这里最大的问题是使用 range，它将分配一个很大的列表来迭代它。当使用 xrange 时，无论第二个完成的对我来说都快一点。 （不确定 range 是否已成为 Python 3 中的生成器。）

Answer 8

你的实验有问题。这个实验的设计方法是编写 2 个不同的程序 - 1 个用于加法，1 个用于减法。它们应该完全相同，并且在相同的条件下运行，并将数据写入文件。然后你需要对运行进行平均（至少几千次），但你需要统计学家告诉你一个合适的数字。

如果您想分析不同的加法、减法和循环方法，那么每个方法都应该是一个单独的程序。

实验错误可能是由处理器的热量和 CPU 上进行的其他活动引起的，因此我会以各种模式执行运行......

Answer 9

这将是非常了不起的，所以我已经彻底评估了您的代码，并设置了实验，因为我发现它更正确（循环外的所有声明和函数调用）。这两个版本我都运行了五次。

• 运行您的代码验证了您的声明：
  -= 花费的时间不断减少；平均 3.6%
• 但是，运行我的代码与您的实验结果相矛盾：
  += 平均（并不总是）减少 0.5% 的时间。

为了显示所有结果，我已将图放在网上：

• 您的评价： http://bayimg.com/kadAeaAcN
• 我的评价： http://bayimg.com/KadaAaAcN

所以，我得出结论，你的实验有偏差，而且是重要的。

最后这是我的代码：

import time

addtimes = [0.] * 100
subtracttimes = [0.] * 100

range100 = range(100)
range10000000 = range(10000000)

j = 0
i = 0
x = 0
start = 0.


for j in range100:
 start = time.clock()
 x = 0
 for i in range10000000:
  x += 1
 addtimes[j] = time.clock() - start

for j in range100:
 start = time.clock()
 x = 0
 for i in range10000000:
  x -= -1
 subtracttimes[j] = time.clock() - start

print '+=', sum(addtimes)
print '-=', sum(subtracttimes)

Answer 10

向后运行循环速度更快，因为计算机可以更轻松地比较数字是否等于 0。