abs() vs fabs() 速度差异和 fabs() 的优势答案

【问题标题】：abs() vs fabs() speed difference and advantage of fabs()abs() vs fabs() 速度差异和 fabs() 的优势
【发布时间】：2014-03-26 11:41:13
【问题描述】：

我对 abs() 和 fabs() 函数进行了一些简单的测试，但我不明白使用 fabs() 有什么好处，如果是的话：

1) 慢

2) 仅适用于浮动

3) 如果在不同的类型上使用会抛出异常

In [1]: %timeit abs(5)
10000000 loops, best of 3: 86.5 ns per loop

In [3]: %timeit fabs(5)
10000000 loops, best of 3: 115 ns per loop

In [4]: %timeit abs(-5)
10000000 loops, best of 3: 88.3 ns per loop

In [5]: %timeit fabs(-5)
10000000 loops, best of 3: 114 ns per loop

In [6]: %timeit abs(5.0)
10000000 loops, best of 3: 92.5 ns per loop

In [7]: %timeit fabs(5.0)
10000000 loops, best of 3: 93.2 ns per loop

浮动更慢！

从我的立场来看，使用 fabs() 的唯一优势是使您的代码更具可读性，因为通过使用它，您清楚地表明了您使用浮点/双点值的意图

fabs()还有其他用途吗？

【问题讨论】：

过早的优化，嗯？
运行时的最大差异约为 29 ns。您必须调用该函数超过 200 亿次才能重新花 10 分钟思考它。
@devnull 当你发现两个看起来做同样事情的函数时，很自然地会弄清楚它们的区别是什么。这些差异之一是时机。我确定这个问题与过早优化无关。
如果您将int 传递给fabs，它显然会慢一些，因为它必须将其转换为float。换句话说，您展示的唯一公平比较是在-5.0 上存在0.7 ns 差异，这意味着什么都没有。差异很大可能只是由于某些随机因素造成的，并且在尝试多次时不一致。
@DSM 在图像处理中很常见，例如进行数百万次操作并期望几乎立即获得结果。不要认为任何优化都为时过早。

标签： python function absolute-value

【解决方案1】：

来自an email response来自Tim Peters：

为什么数学有一个 fabs 函数？它和 abs 内置函数结束调用 fabs() 的浮动。 abs() 启动速度更快。

没什么深奥的——数学模块提供了 C89 标准中的所有内容 libm（+ 一些扩展），fabs() 是一个标准 C89 libm 函数。

没有一个明确的（对我而言）为什么一个会比其他;听起来很意外； math.fabs() 当然可以做得更快（如目前实施的（通过 math_1），它忍受了一堆通用“尝试猜测 libm 是否应该设置 errno” 浪费的样板文件（没有域或范围错误 fabs())) 是可能的。

似乎没有使用fabs 的有利理由。只需将abs 用于几乎所有目的。

【讨论】：

不是特定于 Python 的答案，但如果您必须将 float 转换为 int 或反之亦然，那将是相当昂贵的。在这种情况下，根据语言支持的复杂程度，它可能只在编译期间执行一次（影响可以忽略不计）。或者，支持人员甚至可能为您选择“正确”的库代码。然后，我希望 fabs() 更快，因为它所要做的就是无条件地清除高位（假设 IEEE 754 浮动），而 abs() 需要检查负数然后否定它。同样，使用常量参数，它可能可以忽略不计（只做一次）。
如果我理解正确的话，fabs 被包括在内，因为它是 C89 库中的标准函数。我完全可以理解为什么功能、模块被标准化的优势，但是只有 fabs() 函数来完成当前分配给 abs 和 fabs 的工作不是更有意义吗？
@metacore 否。only abs 适用于 any 数字对象是有意义的。例如abs(Decimal('-5.0')) 返回Decimal(5.0)，而fabs(Decimal('-5.0')) 返回5.0 [注意强制转换为float，这会导致精度损失，在一般情况下]。
@PhilPerry -- 在 python 中，转换将重复进行。 几乎所有的事情都是在运行时在python中完成的——很少有“编译时”（解析时）优化。