如何在内存中连续排列现有的 Python 整数列表？

Question

以下博客文章显示，如果列表没有随机打乱，则整数列表的处理速度会更快。由于缓存局部性，未洗牌列表的处理速度更快，因为它的相邻元素在内存中相邻。

https://rickystewart.wordpress.com/2013/09/03/why-sorting-an-array-makes-a-python-loop-faster/

我尝试了以下方法，以便将随机列表与内存中连续的相邻元素重新排序。

import copy
a = [i for i in range(1000000)]
shuffle(a)
# Approach 1
a = copy.deepcopy(a)

但是，这并没有提高性能，这表明项目没有在内存中连续重新排序。

shuffle后我也尝试了以下修改，同样没有提升性能。

# Approach 2
a = [x for x in a]

# Approach 3
a = [copy.deepcopy(x) for x in a]

以下方法提高了性能，表明元素在内存中重新排序。

# Approach 4
a = [x+0 for x in a]

我的问题是为什么方法 1 到 3 不重新排序内存中的元素，而方法 4 呢？

有没有建议的方法来做到这一点，不同于方法 4？

Answer 1

归结为您是否正在创建新对象。事实证明，方法 1 到 3 不会创建新对象，这就是原因。

方法 1 和 3：❌

虽然它们看起来不同，但这两种方法是相同的。在整数 (or any immutable builtin type) 上调用 copy.deepcopy 时，copy 模块使用以下方法。

def _deepcopy_atomic(x, memo):
    return x

因此，每当您对整数进行深度复制时，都会返回 same 对象。同样，对整数列表进行深拷贝实际上会返回浅拷贝。

from copy import deepcopy

l = [1000]
print(l[0] is deepcopy(l)[0]) # True

方法2：❌

通过[x for x in a]，您可以轻松地创建一个包含完全相同对象的新列表。这是一个健全性检查。

l1 = [1000]
l2 = [x for x in l1]

print(l1[0] is l2[0]) # True

方法 4：✅

现在这种方法实际上为大于 256 的整数创建了一个新对象。

x = 1000
print(x is x + 0) # False

最后一句话

虽然最后一种方法是唯一实际创建新对象的方法，但我在文档中找不到任何说明这是语言属性的内容。所以请记住，这可能是特定于实现的，并且不太可能遇到优化 x + 0 以始终返回相同对象的解释。