十进制 Python 与浮点数运行时间

Question

只是一个一般性问题，关于使用这两种不同数据类型应该期望什么样的运行时差异。

我的测试：

test = [100.0897463, 1.099999939393,1.37382829829393,29.1937462874847272,2.095478262874647474]
test2 = [decimal.Decimal('100.0897463'), decimal.Decimal('1.09999993939'), decimal.Decimal('1.37382829829'), decimal.Decimal('29.1937462875'), decimal.Decimal('2.09547826287')]

def average(numbers, ddof=0):
    return sum(numbers) / (len(numbers)-ddof)

%timeit average(test)
%timeit average(test2)

运行时间差异为：
1000000 次循环，3 次取最佳值：每次循环 364 纳秒
10000 次循环，3 次取最佳值：每次循环 80.3 微秒

因此，使用十进制小数比使用浮点数慢大约200倍。当我决定使用哪种数据类型时，这种差异是否正常并符合我的期望？

- WhitneyChia

---

我猜这是因为Python类型float在C中深度实现，而decimal看起来像是一个没有内置到Python解释器中的模块/包。 - linusg

Answer 1

根据您所看到的时间差异，您可能正在使用Python 2.x。在Python 2.x中，decimal模块是用Python编写的，速度相对较慢。从Python 3.2开始，decimal模块被重写为C语言，速度更快。

在我的系统上使用Python 2.7，decimal模块的速度慢了大约180倍。而在Python 3.5上，decimal模块只慢了约2.5倍。

如果您关心decimal的性能，Python 3会更快。

- casevh

Answer 2

使用 float 可以获得更快的速度，因为 Python 的 float 类型在现代计算机上使用硬件浮点寄存器（而且现代计算机上已经普及），而 Decimal 类型则使用完整的标量/软件实现。但是，当你遇到 float 类型的经典浮点精度问题时，使用 Decimal 可以获得更好的控制。例如，可以参考经典的 StackOverflow 问答 Is floating point math broken?。

- Jean-François Fabre

---

是的，我理解我将为时间而牺牲精度，但你认为这样大的差异是典型的吗？ - WhitneyChia