Python代码在函数中真的运行得更快吗？

Question

我看到一个评论，引发了我对这个问题的思考：为什么Python代码在函数中运行得更快？

我开始思考这个问题，并决定用timeit库自己试试看，结果却非常不同：

(注意: 为了让测试速度更快，我把10**8改成了10**7)

>>> from timeit import repeat
>>> setup = """
def main():
    for i in xrange(10**7):
        pass
"""
>>> stmt = """
for i in xrange(10**7):
    pass
"""
>>> min(repeat('main()', setup, repeat=7, number=10))
1.4399558753975725
>>> min(repeat(stmt, repeat=7, number=10))
1.4410973942722194
>>> 1.4410973942722194 / 1.4399558753975725
1.000792745732109

• 我使用timeit的方式对吗？
• 为什么我的结果相差不到0.1%，而另一个问题的结果差了将近250%？
• 这是否只在使用CPython编译版本的Python（比如Cython）时才有区别？
• 最后：Python代码在函数中真的更快吗，还是说这只是和你测试的方式有关？

Answer 1

这主要是关于编译器优化算法的事情。当进行即时编译（Just-in-time compilation）时，如果代码是放在函数里的，就更容易找到那些经常使用的代码块。

效率的提升其实取决于你在做什么样的任务。在你给的例子中，你并没有进行特别复杂的计算，所以通过优化来提高效率的机会就比较少。

不过，正如其他人提到的，CPython并不进行即时编译。但是，当代码被编译时，C语言的编译器通常会执行得更快。

你可以看看这个关于GCC编译器的文档：http://gcc.gnu.org/onlinedocs/gcc/Inline.html

Answer 2

你测试中的问题在于 timeit 是如何处理你提供的 stmt 代码的。实际上，它是按照下面的模板来编译的：

template = """
def inner(_it, _timer):
    %(setup)s
    _t0 = _timer()
    for _i in _it:
        %(stmt)s
    _t1 = _timer()
    return _t1 - _t0
"""

所以 stmt 实际上是在一个函数里面运行的，使用的是 fastlocals 数组（也就是 STORE_FAST）。

这里有一个测试，比较了你问题中的函数 f_opt 和一个没有优化的编译 stmt，这个未优化的代码是在函数 f_no_opt 中执行的：

>>> code = compile(stmt, '<string>', 'exec')
>>> f_no_opt = types.FunctionType(code, globals())

>>> t_no_opt = min(timeit.repeat(f_no_opt, repeat=10, number=10))
>>> t_opt = min(timeit.repeat(f_opt, repeat=10, number=10))
>>> t_opt / t_no_opt
0.4931101445632647