在Python 3中剖析len（set）與set .__ len __（）的性能

Question

在分析我的Python應用程序時，我發現len()在使用集合時似乎是非常昂貴的。請參見下面的代碼：

import cProfile 

def lenA(s): 
    for i in range(1000000): 
     len(s); 

def lenB(s): 
    for i in range(1000000): 
     s.__len__(); 

def main(): 
    s = set(); 
    lenA(s); 
    lenB(s); 

if __name__ == "__main__": 
    cProfile.run("main()","stats"); 

根據下面分析器的統計，lenA()似乎比lenB()慢14倍：

ncalls tottime percall cumtime percall filename:lineno(function) 
     1 1.986 1.986 3.830 3.830 .../lentest.py:5(lenA) 
1000000 1.845 0.000 1.845 0.000 {built-in method len} 
     1 0.273 0.273 0.273 0.273 .../lentest.py:9(lenB) 

我缺少的東西？目前我使用__len__()，而不是len()，但代碼看上去很髒:(

Answer 1

顯然，len具有一些開銷，因爲它的功能調用和轉換AttributeError到TypeError。此外，set.__len__是，它必然要這樣簡單的操作非常快相比，任何事情，但我仍然沒有找到像14X差什麼用timeit時：

In [1]: s = set() 

In [2]: %timeit s.__len__() 
1000000 loops, best of 3: 197 ns per loop 

In [3]: %timeit len(s) 
10000000 loops, best of 3: 130 ns per loop 

你應該總是隻調用len，不__len__如果調用len是。瓶頸在你的程序中，你應該重新考慮它的設計，例如緩存大小或在不呼叫len的情況下進行計算。

Answer 2

這將是一個評論，但在larsman對他有爭議的結果和我得到的結果發表評論後，我認爲將我的數據添加到該線程很有意思。

試圖或多或少相同的設置我得到相反的OP得到的，並且在由larsman註釋相同的方向：

12.1964105975 <- __len__ 
6.22144670823 <- len() 

C:\Python26\programas> 

測試：

def lenA(s): 
    for i in range(100): 
     len(s); 

def lenB(s): 
    for i in range(100): 
     s.__len__(); 

s = set() 

if __name__ == "__main__": 

    from timeit import timeit 
    print timeit("lenB(s)", setup="from __main__ import lenB, s") 
    print timeit("lenA(s)", setup="from __main__ import lenA, s") 

這是ActivePython的2.6。 7 64bit在win7中

Answer 3

這是關於profiler的一個有趣的觀察，它與len函數的實際性能無關。你看，在探查統計，有關於lenA兩行：

ncalls tottime percall cumtime percall filename:lineno(function) 
     1 1.986 1.986 3.830 3.830 .../lentest.py:5(lenA) 
1000000 1.845 0.000 1.845 0.000 {built-in method len} 

...雖然只有一個關於lenB行：

 1 0.273 0.273 0.273 0.273 .../lentest.py:9(lenB) 

探查超時每一次調用從lenA至len，但整體計時爲lenB。定時調用總是會增加一些開銷;在lenA的情況下，你會看到這種開銷增加了一百萬倍。