为什么切片分配比`list.insert`更快？

Question

灵感来自this nice answer，

这是一个基准：

import timeit

def test1():
    a = [1,2,3]
    a.insert(0,1)

def test2():
    a = [1,2,3]
    a[0:0]=[1]

print (timeit.timeit('test1()','from __main__ import test1'))
print (timeit.timeit('test2()','from __main__ import test2'))

对我来说，test2 稍微快一些（~10%）。为什么会这样？我希望它会更慢，因为：

1. 切片分配必须能够接受任何长度的迭代，因此必须更通用。
2. 在切片分配中，我们需要在右侧创建一个新列表才能使其正常工作。

谁能帮我理解这个？

（在 OS-X 10.5.8 上使用 python 2.7）

Answer 1

您的第一个测试用例必须调用列表a 上的方法insert，而test2 中的所有操作都直接在字节码中处理。注意下面test1反汇编中的CALL_FUNCTION。在 Python 中调用函数的开销适中：当然开销足以解释运行时间的几个百分点差异。

>>> import dis
>>> dis.dis(test1)
  2           0 LOAD_CONST               1 (1)
              3 LOAD_CONST               2 (2)
              6 LOAD_CONST               3 (3)
              9 BUILD_LIST               3
             12 STORE_FAST               0 (a)

  3          15 LOAD_FAST                0 (a)
             18 LOAD_ATTR                0 (insert)
             21 LOAD_CONST               4 (0)
             24 LOAD_CONST               1 (1)
             27 CALL_FUNCTION            2
             30 POP_TOP             
             31 LOAD_CONST               0 (None)
             34 RETURN_VALUE        
>>> dis.dis(test2)
  2           0 LOAD_CONST               1 (1)
              3 LOAD_CONST               2 (2)
              6 LOAD_CONST               3 (3)
              9 BUILD_LIST               3
             12 STORE_FAST               0 (a)

  3          15 LOAD_CONST               1 (1)
             18 BUILD_LIST               1
             21 LOAD_FAST                0 (a)
             24 LOAD_CONST               4 (0)
             27 LOAD_CONST               4 (0)
             30 STORE_SLICE+3       
             31 LOAD_CONST               0 (None)
             34 RETURN_VALUE        

不好的解释

我先发布了这个，但经过考虑我认为它是不正确的。我在这里描述的差异只有在需要移动大量数据时才会产生明显的差异，而这里的测试并非如此。即使有大量数据，差异也只有百分之几：

import timeit

def test1():
    a = range(10000000)
    a.insert(1,1)

def test2():
    a = range(10000000)
    a[1:1]=[1]

>>> timeit.timeit(test1, number=10)
6.008707046508789
>>> timeit.timeit(test2, number=10)
5.861173868179321

方法list.insert由listobject.c中的函数ins1实现。您会看到它一一复制列表尾部的项目引用：

for (i = n; --i >= where; )
    items[i+1] = items[i];

另一方面，切片分配是由函数list_ass_slice实现的，它调用memmove：

memmove(&item[ihigh+d], &item[ihigh],
        (k - ihigh)*sizeof(PyObject *));

所以我认为你的问题的答案是 C 库函数 memmove 比简单循环优化得更好。见here for the glibc implementation of memmove：我相信当从list_ass_slice 调用时，它最终会调用_wordcopy_bwd_aligned，你可以看到它是经过大量手工优化的。