要理解為什么 Python 代碼在函數(shù)中運(yùn)行得更快，我們需要首先了解 Python 是如何執(zhí)行代碼的

我們知道，python 是一種解釋型語言，它會逐行讀取并執(zhí)行代碼

當(dāng)運(yùn)行一個(gè) python 程序的時(shí)候，首先將代碼編譯成字節(jié)碼（一種更接近機(jī)器碼的中間語言）然后 python 解釋器執(zhí)行字節(jié)碼

圖片

圖片

由上所示，python 中的 dis 模塊將函數(shù) hello_world 分解為字節(jié)碼

需要注意的是，python 解釋器是一個(gè)執(zhí)行字節(jié)碼的虛擬機(jī)，默認(rèn)的 python 解釋器是用 C 編寫的，即 CPython

還有其他的 python 解釋器如 Jython(用 Java 編寫)，IronPython(用于 .net)和PyPy(用 Python 和 C 編寫)

為什么 python 代碼在函數(shù)中運(yùn)行得更快

我們來編寫一個(gè)簡單的例子：定義一個(gè)函數(shù) my_function，函數(shù)內(nèi)部包含一個(gè) for 循環(huán)

圖片

編譯該函數(shù)的時(shí)候，字節(jié)碼可能如下所示

圖片

這里的關(guān)鍵指令是 STORE_FAST ，用于存儲循環(huán)變量 i

現(xiàn)在我們把這個(gè) for 循環(huán)放在 python 腳本的頂層（全局范圍內(nèi)），然后再來看一下字節(jié)碼

圖片

圖片

可以看到關(guān)鍵指令變成了 STORE_NAME，而不是 STORE_FAST

字節(jié)碼 STORE_FAST比 STORE_NAME 快，因?yàn)樵诤瘮?shù)中，局部變量存儲在固定長度的數(shù)組中，而不是存儲在字典中。這個(gè)數(shù)組可以通過索引直接訪問，使得變量檢索非?？?/p>

基本上，它只是一個(gè)指向列表的指針，并增加了 PyObject 的引用計(jì)數(shù)，這兩個(gè)都是高效的操作

另一方面，全局變量存儲在一個(gè)字典。當(dāng)訪問全局變量時(shí)，Python 必須執(zhí)行哈希表查找，這涉及計(jì)算哈希值，然后檢索與之關(guān)聯(lián)的值

雖然經(jīng)過優(yōu)化，但仍然比基于索引的查找慢

基準(zhǔn)測試驗(yàn)證

我們知道在 Python 中，代碼執(zhí)行的速度取決于代碼執(zhí)行的位置——在函數(shù)中還是在全局作用域中

讓我們用一個(gè)簡單的基準(zhǔn)測試的例子來比較一下

首先定義一個(gè)求階乘的函數(shù)

圖片

然后在全局范圍內(nèi)執(zhí)行相同的代碼

圖片

為了對這兩段代碼進(jìn)行基準(zhǔn)測試，我們可以在 Python 中使用 timeit 模塊，它提供了一種簡單的方法來對少量 Python 代碼進(jìn)行計(jì)時(shí)

圖片

可以看到，函數(shù)代碼的執(zhí)行速度比全局作用域代碼要快

需要注意的是，這兩段代碼最好不要放在同一腳本中，要分開單獨(dú)運(yùn)行

這是因?yàn)?nbsp;benchmark() 函數(shù)在執(zhí)行時(shí)間上增加了一些開銷，并且全局代碼在內(nèi)部進(jìn)行了優(yōu)化

cProfile 分析

python 提供了一個(gè)  cProfile 內(nèi)置模塊

讓我們用它來分析一個(gè)新例子：在局部和全局范圍內(nèi)計(jì)算平方和

圖片

上面的例子中，可以認(rèn)為sum_of_squares_g() 函數(shù)是全局的，因?yàn)樗褂昧藘蓚€(gè)全局變量， i 和 total

從性能分析結(jié)果中，可以看到函數(shù)代碼在執(zhí)行時(shí)間方面比全局更有效

圖片

如何優(yōu)化 python 函數(shù)的性能

前面我們知道，Python 代碼在函數(shù)中運(yùn)行往往比在全局范圍內(nèi)運(yùn)行要快得多

如果想要進(jìn)一步提高 python 函數(shù)代碼效率，不妨考慮一下使用局部變量而不是全局變量

另一種方法是盡可能使用內(nèi)置函數(shù)和庫。Python 的內(nèi)置函數(shù)是用 C 實(shí)現(xiàn)的，比 Python 快得多

比如 NumPy 和 Pandas，也是用 C 或 C++ 實(shí)現(xiàn)的，它們比實(shí)現(xiàn)同樣功能的 Python 代碼速度更快

又比如同樣是實(shí)現(xiàn)數(shù)字求和的功能，python 內(nèi)置的 sum 函數(shù)要比你自己編寫函數(shù)速度更快