在Python中比较性能：相等与不相等
在比较任何变量时，我们可以选择比较它们是否相等，或者比较它们是否不相等。对于只有一个元素的变量，比如说不是字符串、列表、元组等，二者之间的区别可能几乎不存在，或者说差别很小。
问题是：当我们比较两个包含多个元素的变量时，检查它们是否相等的速度是比检查它们是否不相等的速度要慢，还是快呢？
我直觉上觉得检查它们是否不相等应该会更快。我很好奇有没有人能告诉我这是否正确，以及对于哪些多元素类型是这样的。
注意：我查过了，没找到任何帖子能回答我的问题。可能这个问题很明显，但我想听听比我自己更多的看法。
3 个回答
我对Cortex M3汇编语言的了解（至少我教授是这么说的）是，当你检查两个东西是否相等或者不相等时，有一个比较指令会设置三个标志位，然后有一个类似于if语句的东西会查看其中的一个。简单来说，你比较A和B，这三个标志位分别表示“小于”、“等于”和“大于”。当你检查任何东西时，要么是检查它是大于还是小于（这需要两次检查，所以需要两个周期），要么是对等于的标志进行取反，这在不同的架构下可能是两个不同的操作，或者只需要一个周期。因此，我推测这取决于编译器、汇编器和CPU的架构。
这意味着你可以写两个程序，每个程序进行大量这样的检查，并测量它们的执行时间，这里的“大量”可以达到几万次（根据C/C++的执行时间来看）。在我看来，这个任务是相当可行的，你可以手动计时，这样就不用担心计时器的问题，因为在很多语言中，计时器的精度有些奇怪，可能无法准确捕捉单条语句的执行时间。或者你可以测量那些巨大的循环，看看计算机给出的结果。
不过要记住，如果你在不等于的循环中得到了1.1倍的时间，这并不意味着不等于的检查时间是等于检查时间的1.1倍，因为这个循环的周期要大得多，可能会是2倍的时间。通过更多的测试和每个循环中更多的检查，应该很容易确定循环所需的时间和检查所花费的时间。希望这些对你有帮助。
我觉得这和 object.__eq__() 和 object.__ne__ 有直接关系。
这些方法在你使用 ==（相等）或者 !=（不相等）时会被调用。根据你想比较的对象，这些方法的执行速度可能会快也可能会慢，这取决于这些方法是怎么写的。
可以查看官方文档中的 数据模型基本定制。
你可以随时检查一下：
>>> timeit("{'a': 1, 'b': 2} == {'a': 2, 'b': 1}")
0.29072967777517983
>>> timeit("{'a': 1, 'b': 2} != {'a': 2, 'b': 1}")
0.2906114293159803
看起来差别不大……再来一个测试案例怎么样？
>>> timeit("range(30) == range(35)")
0.7179841181163837
>>> timeit("range(30) != range(35)")
0.725536848004765
再说一次，差别也不大。
>>> timeit("a == b", "a = {'a': 1, 'b': 2}; b = {'a': 2, 'b': 1}")
0.06806470555693522
>>> timeit("a != b", "a = {'a': 1, 'b': 2}; b = {'a': 2, 'b': 1}")
0.06724365965146717
而且把对象创建的部分移出去。虽然这些都是小例子，但我想两者在明显不同的时候，都会使用短路运算。