你得到结果的原因(可能出乎意料)是Python似乎会折叠涉及浮点数乘法和指数运算的常量表达式,但不包括除法。 math.sqrt()
完全不同,因为它没有字节码并且涉及函数调用。
在Python 2.6.5上,以下代码:
x1 = 1234567890.0 / 4.0
x2 = 1234567890.0 * 0.25
x3 = 1234567890.0 ** 0.5
x4 = math.sqrt(1234567890.0)
编译后生成以下字节码:
# x1 = 1234567890.0 / 4.0
4 0 LOAD_CONST 1 (1234567890.0)
3 LOAD_CONST 2 (4.0)
6 BINARY_DIVIDE
7 STORE_FAST 0 (x1)
# x2 = 1234567890.0 * 0.25
5 10 LOAD_CONST 5 (308641972.5)
13 STORE_FAST 1 (x2)
# x3 = 1234567890.0 ** 0.5
6 16 LOAD_CONST 6 (35136.418286444619)
19 STORE_FAST 2 (x3)
# x4 = math.sqrt(1234567890.0)
7 22 LOAD_GLOBAL 0 (math)
25 LOAD_ATTR 1 (sqrt)
28 LOAD_CONST 1 (1234567890.0)
31 CALL_FUNCTION 1
34 STORE_FAST 3 (x4)
正如您所看到的,由于编译时就完成了运算,因此乘法和指数运算所需时间几乎为零。而除法需要在运行时进行,因此需要更长的时间。四个运算中,平方根不仅是计算成本最高的操作,还会产生其他开销(属性查找、函数调用等)。
如果消除常量折叠的影响,则乘法和除法之间的区别很小:
In [16]: x = 1234567890.0
In [17]: %timeit x / 4.0
10000000 loops, best of 3: 87.8 ns per loop
In [18]: %timeit x * 0.25
10000000 loops, best of 3: 91.6 ns per loop
math.sqrt(x)
比x ** 0.5
稍微快一些,这可能是因为它是后者的一个特殊情况,所以可以更有效地完成,尽管存在额外开销:
In [19]: %timeit x ** 0.5
1000000 loops, best of 3: 211 ns per loop
In [20]: %timeit math.sqrt(x)
10000000 loops, best of 3: 181 ns per loop
编辑 2011-11-16: Python的Peephole优化器执行常量表达式折叠。源代码(peephole.c
)包含以下注释,解释为什么不会折叠常量除法:
case BINARY_DIVIDE:
/* Cannot fold this operation statically since
the result can depend on the run-time presence
of the -Qnew flag */
return 0;
-Qnew
标志启用了在PEP 238中定义的“真除法”。