我在优化一些 Python 代码，并尝试了以下实验：
import time
start = time.clock()
x = 0
for i in range(10000000):
x += 1
end = time.clock()
print '+=',end-start
start = time.clock()
x = 0
for i in range(10000000):
x -= -1
end = time.clock()
print '-=',end-start
for i in range(10000000, 0, -1):
（倒序运行循环）比
更快for i in range(10000000):
即使循环内容相同，也会出现这种情况。有什么原因，这里还有更一般的编程教训吗？
我可以在我的 Q6600 (Python 2.6.2) 上复现这个问题；将范围增加到 100000000：
('+=', 11.370000000000001)
('-=', 10.769999999999998)
INPLACE_ADD与INPLACE_SUBTRACT以及+1与-1。
查看Python源代码，我可以猜到。 这在ceval.c中处理，在PyEval_EvalFrameEx中。 INPLACE_ADD具有显着的额外代码块，用于处理字符串连接。 在INPLACE_SUBTRACT中不存在该块，因为您无法从字符串中减去。 这意味着INPLACE_ADD包含更多的本地代码。 根据编译器如何生成代码（非常重要！），此额外代码可能与其余的INPLACE_ADD代码内联，这意味着加法会比减法更加频繁地命中指令缓存。 这可能导致额外的L2缓存命中，从而导致显着的性能差异。
这在很大程度上取决于您所使用的系统（不同的处理器具有不同数量的缓存和缓存体系结构）、编译器，包括特定版本和编译选项（不同的编译器将以不同方式确定哪些代码位于关键路径上，这决定了汇编代码如何组合在一起）等等。
另外，在Python 3.0.1中，差异被颠倒（+：15.66，-：16.71）; 毫无疑问，这个关键函数已经变化很多。
$ python -m timeit -s "x=0" "x+=1"
10000000 loops, best of 3: 0.151 usec per loop
$ python -m timeit -s "x=0" "x-=-1"
10000000 loops, best of 3: 0.154 usec per loop
看起来你有一些 测量偏差
-= 3.05
+= 2.84
很明显，脚本的后半部分发生了一些让它运行更快的事情。我猜测第一次调用range()速度较慢是因为Python需要为如此长的列表分配足够的内存，但它能够重复利用那些内存以供第二次调用range()使用：
import time
start = time.clock()
x = range(10000000)
end = time.clock()
del x
print 'first range()',end-start
start = time.clock()
x = range(10000000)
end = time.clock()
print 'second range()',end-start
range()所需的额外时间几乎占据了上述'+='和'-='之间时间差的全部。first range() 0.4
second range() 0.23
提问时，最好说明你使用的平台和Python版本。有时候这并不重要，但这不是这种情况:
time.clock()仅适用于Windows。放弃自己的测量代码，使用-m timeit，如pixelbeat的答案所示。
Python 2.X的range()会构建一个列表。如果您使用的是Python 2.x，请将range替换为xrange，看看会发生什么。
Python 3.X的int相当于Python2.X的long。
这里是否有更一般的编程经验教训？
更一般的编程经验教训是，直觉在预测计算机代码运行时性能方面是一个较差的指导。
人们可以推理算法复杂度，假设编译器优化，估计缓存性能等等。然而，由于这些因素可能以非平凡的方式相互作用，唯一确定特定代码片段的速度的方法是在目标环境中对其进行基准测试（正如您已经正确地做到了）。
那将是非常卓越的表现，因此我已经彻底评估了您的代码，并设置了实验，因为我认为更加“正确”（所有声明和函数调用都在循环外）。 我已经运行了五次两个版本。
为了显示所有结果，我已将图形放在线上：
因此，我得出结论，您的实验存在偏见，并且这是显著的。
最后，这是我的代码：
import time
addtimes = [0.] * 100
subtracttimes = [0.] * 100
range100 = range(100)
range10000000 = range(10000000)
j = 0
i = 0
x = 0
start = 0.
for j in range100:
start = time.clock()
x = 0
for i in range10000000:
x += 1
addtimes[j] = time.clock() - start
for j in range100:
start = time.clock()
x = 0
for i in range10000000:
x -= -1
subtracttimes[j] = time.clock() - start
print '+=', sum(addtimes)
print '-=', sum(subtracttimes)
在Python 2.5中，最大的问题是使用range，它将分配一个如此巨大的列表来迭代。当使用xrange时，对我来说，无论哪个先完成都会稍微快一点。（不确定range在Python 3中是否已成为生成器。）
你的实验有误。这个实验应该设计成编写两个不同的程序——一个用于加法，一个用于减法。它们应该完全相同，在相同的条件下运行，并将数据存入文件。然后，您需要对运行进行平均（至少数千次），但您需要一位统计学家告诉您适当的数量。
如果您想分析不同的加法、减法和循环方法，那么每个方法都应该是一个单独的程序。
实验误差可能来自处理器的热量和其他正在CPU上运行的活动，因此我会以各种模式执行运行...
循环倒序运行更快，因为计算机在比较数字是否等于0时更容易。
range(10000000, 0, -1)这部分。 - Greg Hewgill
xrange()而不是range()吗？这样Python就不必为一千万个整数分配空间。另外，你是在运行Python 2.x还是Python 3.x版本？它们的range()实现方式有很大不同。 - Greg Hewgill