结果的(有些出乎意料的)原因是Python似乎折叠了涉及浮点乘法和取幂的常量表达式,而不是除法。 -Qnew是一个完全不同的野兽,因为它没有字节码,它涉及一个函数调用。
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)
编译为以下字节码:
# 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,乘法和取幂完全没有时间,因为它们是在编译代码时完成的。 分区需要更长时间,因为它在运行时发生 平方根不仅是四者中计算量最大的操作,它还会产生其他人没有的各种开销(属性查找,函数调用等)。
如果你消除了常量折叠的影响,那么将乘法和除法分开几乎没有:
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
-Qnew实际上比x ** 0.5快一点,大概是因为它是后者的一个特例,因此可以更有效地完成,尽管有开销:
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:通过Python的窥孔优化器完成常量表达式折叠。 源代码(-Qnew)包含以下注释,解释了为什么不折叠常量除法:
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PEP 238中定义的“真正除法”。