在Python 3中剖析len（set）与set .__ len __（）的性能

Question

在分析我的Python应用程序时，我发现len()在使用集合时似乎是非常昂贵的。请参见下面的代码：

import cProfile 

def lenA(s): 
    for i in range(1000000): 
     len(s); 

def lenB(s): 
    for i in range(1000000): 
     s.__len__(); 

def main(): 
    s = set(); 
    lenA(s); 
    lenB(s); 

if __name__ == "__main__": 
    cProfile.run("main()","stats"); 

根据下面分析器的统计，lenA()似乎比lenB()慢14倍：

ncalls tottime percall cumtime percall filename:lineno(function) 
     1 1.986 1.986 3.830 3.830 .../lentest.py:5(lenA) 
1000000 1.845 0.000 1.845 0.000 {built-in method len} 
     1 0.273 0.273 0.273 0.273 .../lentest.py:9(lenB) 

我缺少的东西？目前我使用__len__()，而不是len()，但代码看上去很脏:(

Answer 1

显然，len具有一些开销，因为它的功能调用和转换AttributeError到TypeError。此外，set.__len__是，它必然要这样简单的操作非常快相比，任何事情，但我仍然没有找到像14X差什么用timeit时：

In [1]: s = set() 

In [2]: %timeit s.__len__() 
1000000 loops, best of 3: 197 ns per loop 

In [3]: %timeit len(s) 
10000000 loops, best of 3: 130 ns per loop 

你应该总是只调用len，不__len__如果调用len是。瓶颈在你的程序中，你应该重新考虑它的设计，例如缓存大小或在不呼叫len的情况下进行计算。

Answer 2

这将是一个评论，但在larsman对他有争议的结果和我得到的结果发表评论后，我认为将我的数据添加到该线程很有意思。

试图或多或少相同的设置我得到相反的OP得到的，并且在由larsman注释相同的方向：

12.1964105975 <- __len__ 
6.22144670823 <- len() 

C:\Python26\programas> 

测试：

def lenA(s): 
    for i in range(100): 
     len(s); 

def lenB(s): 
    for i in range(100): 
     s.__len__(); 

s = set() 

if __name__ == "__main__": 

    from timeit import timeit 
    print timeit("lenB(s)", setup="from __main__ import lenB, s") 
    print timeit("lenA(s)", setup="from __main__ import lenA, s") 

这是ActivePython的2.6。 7 64bit在win7中

Answer 3

这是关于profiler的一个有趣的观察，它与len函数的实际性能无关。你看，在探查统计，有关于lenA两行：

ncalls tottime percall cumtime percall filename:lineno(function) 
     1 1.986 1.986 3.830 3.830 .../lentest.py:5(lenA) 
1000000 1.845 0.000 1.845 0.000 {built-in method len} 

...虽然只有一个关于lenB行：

 1 0.273 0.273 0.273 0.273 .../lentest.py:9(lenB) 

探查超时每一次调用从lenA至len，但整体计时为lenB。定时调用总是会增加一些开销;在lenA的情况下，你会看到这种开销增加了一百万倍。