20201022_072.局部变量和全局变量_效率测试

局部变量和全局变量效率测试对比

局部变量的查询和访问速度比全局变量快，优先考虑使用，尤其是在遇到需要大量循环的时候。
在特别强调效率的地方或者循环次数较多的地方，可以通过将全局变量转为局部变量提高运行速度。

注：这里老师说不用过分注意，过度这样做会影响程序的可读；但我自己觉得可以适当地养成这样一个习惯，能这样做的时候就这样做，担心影响可读性地话就加个注释。总之，根据对运行效率的要求和工作期限来综合考虑。

写在前头：导入的库相对于工作区现场是更大的全局；工作区现场相对于函数内是更大的全局；所以这里是在相对的全局与局部的基础上进行效率对比的。
【对比1】只导入库对比导入库函数到函数内

import math
import time


def test01():
    start = time.time()
    for i in range(10000000):
        math.sqrt(30)
    end = time.time()
    print('耗时{}'.format(end - start))
    
    
def test02():
    b = math.sqrt
    start = time.time()
    for i in range(10000000):
        b(30)
    end = time.time()
    print('耗时{}'.format(end - start))
    
    
test01()
test02()

执行3次的3个结果：

分析：
test01耗时要比test02多，因为函数内循环执行math.sqrt时，需要到math库里把math.sqrt找出来，用一次掉丢，下一次用还要重新曲库里调出来，如此循环10000000次；而到了test02，就把math.sqrt放到函数的运行内存里面了，循环的这10000000次不用每次都去库里调，直接在栈里面拿。省去的是每次都去库里面调的工作量。

【对比2】只导入库对比函数外导入函数

import math
import time
b = math.sqrt


def test01():
    start = time.time()
    for i in range(10000000):
        math.sqrt(30)
    end = time.time()
    print('耗时{}'.format(end - start))
    
    
def test02():
    start = time.time()
    for i in range(10000000):
        b(30)
    end = time.time()
    print('耗时{}'.format(end - start))
    
    
test01()
test02()

执行3次的3个结果：

分析：
对比2中test01的函数内循环还是需要每次都去库里面调math.sqrt；test02的函数内循环每次不用去库里面调，但它需要在绕到函数外去取工作区里面的b = math.sqrt函数，即使如此，它还是节省了很多工作量。

然后我们就会去想，取工作区里面的函数和在定义函数内部取函数哪个快呢？
【对比3】函数外导入函数对比函数内导入函数

import math
import time


def test01():
    b = math.sqrt
    start = time.time()
    for i in range(10000000):
        b(30)
    end = time.time()
    print('耗时{}'.format(end - start))
    
    
b = math.sqrt
def test02():
    start = time.time()
    for i in range(10000000):
        b(30)
    end = time.time()
    print('耗时{}'.format(end - start))
    
    
test01()
test02()

执行8次的8个结果（因为差别不大，且我个人的pc不那么稳定，所以更多次测试以便观察出规律）：

分析：
耗时差别比前两个对比小，但是还是能发现test01比test02稍稍省时。这是因为test01中函数循环调用math.sqrt是就近用定义的函数内的；而test02得去更远的定义函数外用math.sqrt。

几个对比中，对比1中的test02是程序运行效率最高的。
综上所述，函数的执行效率也是越近的调用效率越高。