Python: почему * и ** быстрее, чем / и sqrt ()? - PullRequest
Новая
       56

Python: почему * и ** быстрее, чем / и sqrt ()?

79 голосов
/ 09 ноября 2011

При оптимизации своего кода я понял следующее: 

>>> from timeit import Timer as T
>>> T(lambda : 1234567890 / 4.0).repeat()
[0.22256922721862793, 0.20560789108276367, 0.20530295372009277]
>>> from __future__ import division
>>> T(lambda : 1234567890 / 4).repeat()
[0.14969301223754883, 0.14155197143554688, 0.14141488075256348]
>>> T(lambda : 1234567890 * 0.25).repeat()
[0.13619112968444824, 0.1281130313873291, 0.12830305099487305]

, а также: 

>>> from math import sqrt
>>> T(lambda : sqrt(1234567890)).repeat()
[0.2597470283508301, 0.2498021125793457, 0.24994492530822754]
>>> T(lambda : 1234567890 ** 0.5).repeat()
[0.15409398078918457, 0.14059877395629883, 0.14049601554870605]

Я предполагаю, что это связано с тем, как Python реализован в C, но мне интересно, кто-нибудь захочет объяснить, почему это так?

1 Ответ

113 голосов
/ 09 ноября 2011

(Несколько неожиданная) причина для ваших результатов в том, что Python складывает константные выражения, включающие умножение и возведение в степень с плавающей точкой, но не деление.math.sqrt() - это совсем другой зверь, поскольку для него нет байт-кода, и он включает вызов функции.

На Python 2.6.5 следующий код: 

x1 = 1234567890.0 / 4.0
x2 = 1234567890.0 * 0.25
x3 = 1234567890.0 ** 0.5
x4 = math.sqrt(1234567890.0)

компилируется в следующий кодбайт-коды: 

  # x1 = 1234567890.0 / 4.0
  4           0 LOAD_CONST               1 (1234567890.0)
              3 LOAD_CONST               2 (4.0)
              6 BINARY_DIVIDE       
              7 STORE_FAST               0 (x1)

  # x2 = 1234567890.0 * 0.25
  5          10 LOAD_CONST               5 (308641972.5)
             13 STORE_FAST               1 (x2)

  # x3 = 1234567890.0 ** 0.5
  6          16 LOAD_CONST               6 (35136.418286444619)
             19 STORE_FAST               2 (x3)

  # x4 = math.sqrt(1234567890.0)
  7          22 LOAD_GLOBAL              0 (math)
             25 LOAD_ATTR                1 (sqrt)
             28 LOAD_CONST               1 (1234567890.0)
             31 CALL_FUNCTION            1
             34 STORE_FAST               3 (x4)

Как видите, умножение и возведение в степень не занимают времени совсем, поскольку они выполняются при компиляции кода.Деление занимает больше времени, так как это происходит во время выполнения.Квадратный корень - это не только самая дорогая вычислительная операция из четырех, он также несет различные накладные расходы, которые другие не делают (поиск атрибутов, вызов функций и т. Д.).

Если устранить эффект постоянного свертывания, малодля разделения умножения и деления: 

In [16]: x = 1234567890.0

In [17]: %timeit x / 4.0
10000000 loops, best of 3: 87.8 ns per loop

In [18]: %timeit x * 0.25
10000000 loops, best of 3: 91.6 ns per loop

math.sqrt(x) на самом деле немного быстрее, чем x ** 0.5, вероятно потому, что это особый случай последнего и, следовательно, может быть выполнен более эффективно, несмотря наиздержки: 

In [19]: %timeit x ** 0.5
1000000 loops, best of 3: 211 ns per loop

In [20]: %timeit math.sqrt(x)
10000000 loops, best of 3: 181 ns per loop

edit 2011-11-16: Сгибание константных выражений выполняется оптимизатором глазков Python.Исходный код (peephole.c) содержит следующий комментарий, объясняющий, почему постоянное деление не складывается: 

    case BINARY_DIVIDE:
        /* Cannot fold this operation statically since
           the result can depend on the run-time presence
           of the -Qnew flag */
        return 0;

Флаг -Qnew включает «истинное деление», определенное в PEP 238 .

...