Python字典与如果语句速度

Question

我发现了一些链接，谈论开关案例在C++中比在其他语言中更快，因为它可以在编译中进行优化。然后我发现一些人使用字典的建议可能比If语句更快。然而，大部分谈话都是关于某个人的工作，最后只是讨论他们应该首先优化代码的其他部分，除非你做了数以百万计的其他部分，否则这将不重要。任何人都可以解释为什么这是？

说我有100个独特的数字，将不断流入python代码。我想检查它是哪个号码，然后执行一些操作。所以我可以做很多其他的事情，或者我可以把每个数字都放在字典中。为了争辩，让我们说它是一个单一的线程。

有人知道python和低级别执行之间的层，可以解释这是如何工作的？

谢谢:)

Answer 1

然而，大部分谈话是关于某人的工作结束刚刚结束 了讨论，他们应该优化代码的其他部分第一 ，它不会不管，除非你做的数以百万计的如果别的。任何人都可以解释这是为什么吗？

通常情况下，如果您确实需要优化代码，也就是说如果程序的性能无法缓慢地运行，您应该只会费心去优化代码。

如果是这样的话，你应该使用一个分析器，以确定哪些部分实际上是造成最多的问题。对于Python而言，cProfile模块对此非常有用。

是否有人了解Python和低水平 执行之间的层，可以解释这是怎么工作的？

如果您想了解代码执行方式，请查看dis模块。

一个简单的例子...

import dis 

# Here are the things we might want to do 
def do_something_a(): 
    print 'I did a' 


def do_something_b(): 
    print 'I did b' 


def do_something_c(): 
    print 'I did c' 


# Case 1 
def f1(x): 
    if x == 1: 
     do_something_a() 
    elif x == 2: 
     do_something_b() 
    elif x == 3: 
     do_something_c() 


# Case 2 
FUNC_MAP = {1: do_something_a, 2: do_something_b, 3: do_something_c} 
def f2(x): 
    FUNC_MAP[x]() 


# Show how the functions execute 
print 'Case 1' 
dis.dis(f1) 
print '\n\nCase 2' 
dis.dis(f2) 

...这...输出

Case 1 
18   0 LOAD_FAST    0 (x) 
       3 LOAD_CONST    1 (1) 
       6 COMPARE_OP    2 (==) 
       9 POP_JUMP_IF_FALSE  22 

19   12 LOAD_GLOBAL    0 (do_something_a) 
      15 CALL_FUNCTION   0 
      18 POP_TOP 
      19 JUMP_FORWARD   44 (to 66) 

20  >> 22 LOAD_FAST    0 (x) 
      25 LOAD_CONST    2 (2) 
      28 COMPARE_OP    2 (==) 
      31 POP_JUMP_IF_FALSE  44 

21   34 LOAD_GLOBAL    1 (do_something_b) 
      37 CALL_FUNCTION   0 
      40 POP_TOP 
      41 JUMP_FORWARD   22 (to 66) 

22  >> 44 LOAD_FAST    0 (x) 
      47 LOAD_CONST    3 (3) 
      50 COMPARE_OP    2 (==) 
      53 POP_JUMP_IF_FALSE  66 

23   56 LOAD_GLOBAL    2 (do_something_c) 
      59 CALL_FUNCTION   0 
      62 POP_TOP 
      63 JUMP_FORWARD    0 (to 66) 
     >> 66 LOAD_CONST    0 (None) 
      69 RETURN_VALUE 


Case 2 
29   0 LOAD_GLOBAL    0 (FUNC_MAP) 
       3 LOAD_FAST    0 (x) 
       6 BINARY_SUBSCR 
       7 CALL_FUNCTION   0 
      10 POP_TOP 
      11 LOAD_CONST    0 (None) 
      14 RETURN_VALUE 

...所以它是很容易看到哪些函数来执行大多数指令。

至于这实际上要快，这东西你必须通过剖析代码检查。

Answer 2

的IF/ELIF/else结构，直到它的一些if语句的条件找到匹配比较它是由一个给可能的值一个序列中的键，然后读什么应该从if块内部执行。这可能需要很长时间，因为必须为每个查找进行太多检查（平均值为n/2，对于n可能的值）。

if语句序列比switch语句更难以优化的原因是条件检查（C++中的parens里面有什么）可能会改变下一个检查中涉及的某个变量的状态，所以你必须按顺序做。 switch语句的限制消除了这种可能性，所以顺序无关紧要（我认为）。

---

Python词典are implemented as hash tables。这个想法是这样的：如果你可以处理任意大的数字并拥有无限的RAM，那么你可以创建一个庞大的函数指针数组，只需将你的查找值转换为整数并将其用作索引即可索引。查询几乎是即时的。

你不能做到这一点，当然，但你可以创建一些管理长度的阵列，通过查找值的hash function（产生一些整数，根据查找值），那么你的%导致您的数组长度在该数组的范围内获取索引。这样，查找需要尽可能多的时间来调用哈希函数一次，取模数，并跳转到索引。如果不同可能的查找值的数量足够大，那么与那些条件检查相比，哈希函数的开销变得可以忽略不计。 （实际上，由于许多不同的查找值将不可避免地映射到相同的索引，所以并不那么简单，您必须检查并解决可能的冲突，这可以通过多种方式完成。它是如上文所述）。