Python库函数实现的浮点效率

Question

我已经看到了球碰撞检测问题的各种答案，解释了为什么 sqrt 操作很慢，为什么绝对值操作在浮点数上很快等等。我如何找出哪些操作昂贵而哪些操作不昂贵？

基本上，我正在寻找一个可以了解所有Python库函数的实现的资源。当人们说这些事情时，他们实际上并没有考虑这些东西是如何在 C 中实现的，是吗？

谢谢，希望了解有关这种灵活语言的实现细节的更多信息。

Answer 1

Python 与任何语言一样，被翻译为机器代码然后运行。所以是的，他们可能正在谈论低级实施细节。

无论如何，了解各种 Python 函数的速度实现的最佳方法是 查看源代码。

玩得开心！

编辑：这个技巧实际上适用于我使用过的任何开源项目：有问题吗？看一下源代码应该没问题。

Answer 2

您可以使用 timeit 模块找出哪些操作慢，哪些操作快。

例如，让我们比较一下从命令行检查点是否落在圆内的各种方法：

python -m timeit -s 'import math; x = 42.5; y = 17.2; r = 50.0' 'math.sqrt(x**2 + y**2) <= r'
python -m timeit -s 'import math; x = 42.5; y = 17.2; r = 50.0' 'math.hypot(x, y) <= r'
python -m timeit -s 'import math; x = 42.5; y = 17.2; r = 50.0' 'x**2 + y**2 <= r**2'

在我的机器上结果是：

$ python -m timeit -s '导入数学； x = 42.5； y = 17.2； r = 50.0' 'math.sqrt(x**2 + y**2) <= r'
1000000 loops, best of 3: 0.744 usec per loop
$ python -m timeit -s 'import math; x = 42.5; y = 17.2; r = 50.0' 'math.hypot(x, y) <= r'
1000000 loops, best of 3: 0.374 usec per loop
$ python -m timeit -s 'import math; x = 42.5; y = 17.2; r = 50.0' 'x**2 + y**2 <= r**2'
1000000 loops, best of 3: 0.724 usec per loop

所以

math.hypot

获胜！顺便说一句，如果从内部循环中删除点名称查找，您会得到稍微好一点的结果：

$ python -m timeit -s 'from math import hypot; x = 42.5; y = 17.2; r = 50.0' 'hypot(x, y) <= r'
1000000 loops, best of 3: 0.334 usec per loop

Answer 3

如果您正在寻找有关 Python 速度的一般提示，这些性能提示是一个很好的资源。

Answer 4

Python 标准库包括 反汇编器:

>>> def foo(): print
... 
>>> import dis
>>> dis.dis(foo)
  1           0 PRINT_NEWLINE       
              1 LOAD_CONST               0 (None)
              4 RETURN_VALUE        

但它并不适用于所有情况：

>>> from math import sqrt
>>> import dis
>>> dis.dis(sqrt)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python2.6/dis.py", line 48, in dis
    type(x).__name__
TypeError: don't know how to disassemble builtin_function_or_method objects