Python内置求和函数与循环性能对比

速度差实际上大于3倍，但是您首先通过创建一个巨大的内存列表（一百万个整数）来降低这两个版本的速度。将其与时间试用分开：

>>> import timeit
>>> def sum1(lst):
... s = 0
... for i in lst:
... s += i
... return s
...
>>> def sum2(lst):
... return sum(lst)
...
>>> values = range(1000000)
>>> timeit.timeit('f(lst)', 'from __main__ import sum1 as f, values as lst', number=100)
3.457869052886963
>>> timeit.timeit('f(lst)', 'from __main__ import sum2 as f, values as lst', number=100)
0.6696369647979736


现在，速度差已超过5倍。

甲for环所解释的Python字节码执行。sum()完全以C代码循环。解释的字节码和C代码之间的速度差异很大。

另外，如果C代码可以将总和保留在C类型中，则确保不创建新的Python对象；这适用于int和float结果。

反汇编的Python版本执行以下操作：

>>> import dis
>>> def sum1():
... s = 0
... for i in range(1000000):
... s += i
... return s
...
>>> dis.dis(sum1)
2 0 LOAD_CONST 1 (0)
3 STORE_FAST 0 (s)
3 6 SETUP_LOOP 30 (to 39)
9 LOAD_GLOBAL 0 (range)
12 LOAD_CONST 2 (1000000)
15 CALL_FUNCTION 1
18 GET_ITER
>> 19 FOR_ITER 16 (to 38)
22 STORE_FAST 1 (i)
4 25 LOAD_FAST 0 (s)
28 LOAD_FAST 1 (i)
31 INPLACE_ADD
32 STORE_FAST 0 (s)
35 JUMP_ABSOLUTE 19
>> 38 POP_BLOCK
5 >> 39 LOAD_FAST 0 (s)
42 RETURN_VALUE


除了解释器循环慢于C之外，INPLACE_ADD还会创建一个新的整数对象（过去255，CPython将小int对象缓存为单例）。

您可以在Python
mercurial代码存储库中看到C实现，但是它在注释中明确指出：

/* Fast addition by keeping temporary sums in C instead of new Python objects.
Assumes all inputs are the same type. If the assumption fails, default
to the more general routine.
*/