Python 名称空间对性能的影响

• 名称空间
• 变量寻址
• 循环优化

名称空间

Python 中变量的作用域有一个特别的名字叫做名称空间

名称空间呢, 有以下这些特点:

• 每一个模块, 函数, 类, 实例, 都拥有一个独立的名称空间.
• 每一个变量都会处在一个名称空间下.
• 名称空间可以相互包含, 或者说有上下级关系
• 在下级名称空间中可以访问上级名称空间的变量

用代码来举例子:

in_module = 'in module'

def method():
    in_method = 'in method'

在上面这段代码中, 一共有 个名称空间, 分别是:

• 文件, 就是 namespace.py 里面, 有in_module 变量
• 函数, 就是 method 里面, 有in_method 变量

以上名称空间, 从上向下都是包含关系.

变量寻址

一般来讲, 在一个名称空间中, 只能访问到属于这个名称空间的变量

所以对于上面的代码来讲:

同时, 下级名称空间是可以访问到上级名称空间中的变量的.
于是上表就变成了

所以现在可以在 method 中访问所有 in_* 变量
就像下面这样

def method():
    in_method = 'in method'
    print in_method
    print in_module

所谓变量寻址, 指的就是

Python 在当前名称空间下找不到变量定义时, 会继续搜索上一层名称空间, 直到顶层.

这件事了.

概念说了一大堆, 和性能优化好像都没啥关系. 下面就进入正题

循环优化

在日常代码编写中, 我们有时会写类似这样的代码:

import math

def foo(lst):
    for i in xrange(len(lst)):
        lst[i] = math.sin(lst[i])

上面代码中, foo 里并没有定义 math. 它是通过变量寻址在上一层找到了引入进来的math进行操作

并且, 在循环内部, 每访问一次 math 就会发生一次变量寻址. 这对性能有一定的损耗.

我们可以创建一个foo内部的变量直接指向我们要用的math.sin 然后再进入循环, 这样可以节省不少时间

def woo(lst):
    sin = math.sin
    for i in xrange(len(lst)):
        lst[i] = sin(lst[i])

当然, 类似这样重复调用外部方法的函数, 我们可以直接用 map 来代替

def moo(lst):
    return map(math.sin, lst)

下面是用 timeit 模块跑的基准测试结果:

foo: 20.8992490768
woo: 15.5716171265
moo: 12.033983945