考虑以下代码sn-p：
dict [name] = 0
dict [name] += 1
dict [name] += 1
python 解释器会自动识别对字典值的重复引用并使用缓存的本地引用吗？有点类似于 C/C++ 的别名优化，变成这样：
value = dict [name]
value = 0
value += 1
value += 1
显然，手动执行此操作没什么大不了的，但我很好奇它是否真的有必要。感谢您提供任何见解、反馈等。
【问题讨论】：
标签： python optimization interpreter
您可以通过反汇编程序运行它来找出：
import dis
def test():
name = 'test'
tdict = {}
tdict[name] = 0
tdict[name] += 1
tdict[name] += 1
dis.dis(test)
运行这个我们得到：
13 0 LOAD_CONST 1 ('test')
3 STORE_FAST 0 (name)
14 6 BUILD_MAP 0
9 STORE_FAST 1 (tdict)
15 12 LOAD_CONST 2 (0)
15 LOAD_FAST 1 (tdict)
18 LOAD_FAST 0 (name)
21 STORE_SUBSCR
16 22 LOAD_FAST 1 (tdict)
25 LOAD_FAST 0 (name)
28 DUP_TOPX 2
31 BINARY_SUBSCR
32 LOAD_CONST 3 (1)
35 INPLACE_ADD
36 ROT_THREE
37 STORE_SUBSCR
17 38 LOAD_FAST 1 (tdict)
41 LOAD_FAST 0 (name)
44 DUP_TOPX 2
47 BINARY_SUBSCR
48 LOAD_CONST 3 (1)
51 INPLACE_ADD
52 ROT_THREE
53 STORE_SUBSCR
54 LOAD_CONST 0 (None)
57 RETURN_VALUE
在这种情况下，看起来LOAD_FAST 每次我们尝试访问它以执行增量时都会加载tdict 和name 的值，所以答案似乎是否定的。
【讨论】：
仅仅通过检查代码是不可能实现这种优化的。你的名字dict 可能不是指本地字典，而是实现__setitem__ 的用户定义对象，并且该方法必须被调用三次。在运行时，一个复杂的实现可以记录名称的实际值，并进行优化，但它不能在运行前完成而不破坏一些 Python 语义。
【讨论】：
不，因为那行不通，你甚至用你自己的代码证明了这一点——它实际上并不等同：
>>> a = {}
>>> name = 'x'
>>> a[name] = 0
>>> a[name] += 1
>>> a[name] += 1
>>> a[name] # ok no suprises so far
2
>>> a = {}
>>> a[name] = 0
>>> x = a[name] # x is now literally `0`, not some sort of reference to a[name]
>>> x
0
>>> x += 1
>>> x += 1
>>> a[name] # so this never changed
0
>>>
Python 没有 C 风格的“引用”。您想到的仅适用于可变类型，例如list。这是 Python 的一个非常基本的属性，在编写 Python 时，您可能应该忘记 C 教给您的有关变量的所有内容。
【讨论】：
把你的两个例子改成这样：
#v1.py
di = {}
name = "hallo"
di[name] = 0
for i in range(2000000):
di[name] += 1
和
#v2.py
di = {}
name = "hallo"
di[name] = 0
value = di[name]
for i in range(2000000):
value += 1
您可以在以下测试中看到，v2 更快，但 pypy 更快:-)
$ time python2.7 v1.py
real 0m0.788s
user 0m0.700s
sys 0m0.080s
$ time python2.7 v2.py
real 0m0.586s
user 0m0.490s
sys 0m0.090s
$ time pypy v1.py
real 0m0.203s
user 0m0.210s
sys 0m0.000s
$ time pypy v2.py
real 0m0.117s
user 0m0.080s
sys 0m0.030s
SO：为单个解释器优化代码并不好（例如我没有测试过 Jython...），但是 someone 优化解释器时很棒...
【讨论】：