Python 字典 vs If 语句速度

Question

我发现了一些链接，它们谈论在 c++ 中的 switch case 比 if else 更快，因为它可以在编译中进行优化。然后我发现了一些人们认为使用字典可能比使用 If 语句更快的建议。然而，大部分对话都是关于某人的工作，最终只是讨论他们应该首先优化代码的其他部分，除非你做了数百万个 if else，否则这无关紧要。谁能解释这是为什么？

假设我有 100 个唯一数字，它们将不断地流入 Python 代码。我想检查它是哪个数字，然后执行一些操作。所以我可以做大量的 if else，或者我可以把每个数字放在字典里。为了争论起见，可以说它是一个单线程。

有人了解 python 和低级执行之间的层，可以解释它是如何工作的吗？

谢谢:)

Answer 1

然而，大部分谈话都是关于某人的工作结束刚刚结束 讨论他们应该首先优化代码的其他部分 除非你做了数百万个 if else，否则这无关紧要。任何人都可以 解释这是为什么？

一般来说，您应该只在真正需要时才去优化代码，即如果程序的性能慢得无法使用。

如果是这种情况，您应该使用分析器来确定哪些部分实际上导致了最多的问题。对于 Python，cProfile 模块非常适合。

有人了解python和底层之间的层吗 可以解释这是如何工作的执行？

如果您想了解代码的执行方式，请查看dis 模块。

一个简单的例子......

import dis

# Here are the things we might want to do
def do_something_a():
    print 'I did a'


def do_something_b():
    print 'I did b'


def do_something_c():
    print 'I did c'


# Case 1
def f1(x):
    if x == 1:
        do_something_a()
    elif x == 2:
        do_something_b()
    elif x == 3:
        do_something_c()


# Case 2
FUNC_MAP = {1: do_something_a, 2: do_something_b, 3: do_something_c}
def f2(x):
    FUNC_MAP[x]()


# Show how the functions execute
print 'Case 1'
dis.dis(f1)
print '\n\nCase 2'
dis.dis(f2)

...输出...

Case 1
 18           0 LOAD_FAST                0 (x)
              3 LOAD_CONST               1 (1)
              6 COMPARE_OP               2 (==)
              9 POP_JUMP_IF_FALSE       22

 19          12 LOAD_GLOBAL              0 (do_something_a)
             15 CALL_FUNCTION            0
             18 POP_TOP
             19 JUMP_FORWARD            44 (to 66)

 20     >>   22 LOAD_FAST                0 (x)
             25 LOAD_CONST               2 (2)
             28 COMPARE_OP               2 (==)
             31 POP_JUMP_IF_FALSE       44

 21          34 LOAD_GLOBAL              1 (do_something_b)
             37 CALL_FUNCTION            0
             40 POP_TOP
             41 JUMP_FORWARD            22 (to 66)

 22     >>   44 LOAD_FAST                0 (x)
             47 LOAD_CONST               3 (3)
             50 COMPARE_OP               2 (==)
             53 POP_JUMP_IF_FALSE       66

 23          56 LOAD_GLOBAL              2 (do_something_c)
             59 CALL_FUNCTION            0
             62 POP_TOP
             63 JUMP_FORWARD             0 (to 66)
        >>   66 LOAD_CONST               0 (None)
             69 RETURN_VALUE


Case 2
 29           0 LOAD_GLOBAL              0 (FUNC_MAP)
              3 LOAD_FAST                0 (x)
              6 BINARY_SUBSCR
              7 CALL_FUNCTION            0
             10 POP_TOP
             11 LOAD_CONST               0 (None)
             14 RETURN_VALUE

...所以很容易看出哪个函数必须执行最多的指令。

至于哪个实际上更快，这是您必须通过分析代码来检查的内容。

Answer 2

if/elif/else 结构将其赋予的键与一系列可能的值逐一进行比较，直到在某些 if 语句的条件中找到匹配项，然后从 if 内部读取它应该执行的内容堵塞。这可能需要很长时间，因为每次查找都必须进行如此多的检查（平均为n/2，对于n 可能的值）。

if 语句序列比 switch 语句更难优化的原因是条件检查（C++ 中括号内的内容）可能会改变下一次检查中涉及的某个变量的状态，所以你必须按顺序做。 switch 语句的限制消除了这种可能性，因此顺序无关紧要（我认为）。

---

Python 字典 are implemented as hash tables。这个想法是这样的：如果您可以处理任意大的数字并拥有无限的 RAM，您可以创建一个巨大的函数指针数组，只需将您的查找值转换为整数并将其用作索引即可。查找几乎是即时的。

当然，你不能这样做，但你可以创建一个可管理长度的数组，将查找值传递给hash function（它会生成一些整数，具体取决于查找值），然后% 你的结果和你的数组的长度，以获得该数组范围内的索引。这样，查找所需的时间与调用哈希函数一次、取模并跳转到索引所需的时间一样多。如果不同的可能查找值的数量足够大，则哈希函数的开销与n/2 条件检查相比可以忽略不计。

（实际上，由于许多不同的查找值不可避免地会映射到同一个索引，所以并不是那么简单。您必须检查并解决可能的冲突，这可以通过多种方式完成。不过，要点如上所述。）