python 中m op n运算_计算能力的速度（在Python中）

12345678_0001

在指数检查中执行此操作将放慢某些情况，因为它不是非常简单的2的幂，因此不一定是胜利。但是，在预先知道指数的情况下（例如使用文字2），可以通过简单的窥孔优化来优化生成的字节码。大概这根本不值得做（这是一个相当具体的情况）。这是进行这种优化的概念的快速证明（可用作装饰器）。注意：您将需要字节播放模块来运行它。import byteplay, timeitdef optimise(func):    c = byteplay.Code.from_code(func.func_code)    prev=None    for i, (op, arg) in enumerate(c.code):        if op == byteplay.BINARY_POWER:            if c.code[i-1] == (byteplay.LOAD_CONST, 2):                c.code[i-1] = (byteplay.DUP_TOP, None)                c.code[i] = (byteplay.BINARY_MULTIPLY, None)    func.func_code = c.to_code()    return funcdef square(x):    return x**2print "Unoptimised :", timeit.Timer('square(10)','from __main__ import square').timeit(10000000)square = optimise(square)print "Optimised   :", timeit.Timer('square(10)','from __main__ import square').timeit(10000000)给出时间：Unoptimised : 6.42024898529Optimised   : 4.52667593956[编辑] 实际上，再考虑一下，有一个很好的理由说明未完成此优化。不能保证有人不会创建用户定义的类来覆盖__mul__and __pow__方法，并为每个方法做不同的事情。安全地执行此操作的唯一方法是，如果可以保证堆栈顶部的对象是具有相同结果“ x **2”和“ x*x”的对象，但是解决该问题要困难得多。例如。在我的示例中，这是不可能的，因为任何对象都可以传递给Square函数。