Почему Python работает быстрее при объявлении целочисленной переменной с помощью int()?

Question

При программировании алгоритма, который использует только целочисленную арифметику, я замечаю, что Python этим не воспользовался.

Поэтому я попробовал следующий код, чтобы увидеть эффект "явного" объявления

import time

repeat = 1000000

start = time.time()
x = 0
for i in range(repeat):
    x += 1
no_type_time = time.time() - start

start = time.time()
y = int(0)
for i in range(repeat):
    y += 1
int_time = time.time() - start

print('{} - No type'.format(no_type_time))
print('{} - Int'.format(int_time))

Вывод кода был следующим:

0.0692429542542 - No type
0.0545210838318 - Int

Я предполагаю, что это как-то связано с тем, что Python является динамически типизированным языком. Но когда я пытаюсь выяснить тип переменных, используя type(x) и type(y), выводим int. Что любопытно, потому что я также выполнил некоторые тесты, используя x = float(0), и результат очень близок к результату без "объявления" типа.

Я хотел бы знать, почему это происходит, и, если возможно, получить некоторую ссылку из документации Python, объясняющей это.

Answer 1

От точности на поплавках в вашем str.format вывод (12 значащих цифр), мы можем видеть, что вы, вероятно, на Python 2.

Python 2 создает явный список миллионов целых при запуске range(repeat), что медленно. Он также сохраняет память для всех этих целых, поэтому range(repeat) медленнее во второй раз. Скорее всего, это источник разницы во времени, а не какое-либо отношение к int,

На Python 2 почти всегда лучше использовать xrange вместо range, xrange генерирует целые по требованию, избегая затрат в памяти и времени на выделение целого списка:

for i in xrange(repeat):
    do_stuff()

Answer 2

Я не могу воспроизвести на Linux. Отметьте это:

• реальное: фактическое время, потраченное на запуск процесса от начала до конца, как если бы оно измерялось человеком с секундомером

• пользователь: совокупное время, затраченное всеми процессорами во время вычислений.

• sys: совокупное время, потраченное всеми процессорами на системные задачи, такие как выделение памяти.

→ time python type.py

real    0m0.219s
user    0m0.000s
sys     0m0.000s

→ time python without_type.py

real    0m0.133s
user    0m0.000s
sys     0m0.000s

Answer 3

Это происходит потому, что Python кэширует и повторно использует некоторые неизменяемые встроенные объекты, даже если они "хранятся" как разные переменные

>>> a = 1
>>> id(a)
56188528L
>>> b = int(1)
>>> id(b)
56188528L

Python не должен был выделять какую-либо память или создавать новый объект для второй переменной. Это просто повторное использование неизменяемого целочисленного объекта, который уже был создан.

Если вы поместили свои временные тесты в разные файлы и запускали их отдельно, или если вы запускали int(1) Сначала протестируйте, вы бы увидели разные результаты.