为什么提早归还比其他要慢？

这是我几天前给出的答案的后续问题。编辑：该问题的OP似乎已经使用了我发布给他的代码来问同样的问题，但是我没有意识到。道歉。提供的答案是不同的！

我基本上观察到：

>>> def without_else(param=False):
...     if param:
...         return 1
...     return 0
>>> def with_else(param=False):
...     if param:
...         return 1
...     else:
...         return 0
>>> from timeit import Timer as T
>>> T(lambda : without_else()).repeat()
[0.3011460304260254, 0.2866089344024658, 0.2871549129486084]
>>> T(lambda : with_else()).repeat()
[0.27536892890930176, 0.2693932056427002, 0.27011704444885254]
>>> T(lambda : without_else(True)).repeat()
[0.3383951187133789, 0.32756996154785156, 0.3279120922088623]
>>> T(lambda : with_else(True)).repeat()
[0.3305950164794922, 0.32186388969421387, 0.3209099769592285]

...或者换句话说：else无论if是否触发条件，使子句更快。

我认为这与两者生成的不同字节码有关，但是有人能详细确认/解释吗？

编辑：似乎不是每个人都可以重现我的时间安排，所以我认为在我的系统上提供一些信息可能有用。我正在运行安装了默认python的Ubuntu 11.10 64位。python生成以下版本信息：

Python 2.7.2+ (default, Oct  4 2011, 20:06:09) 
[GCC 4.6.1] on linux2

以下是Python 2.7中反汇编的结果：

>>> dis.dis(without_else)
  2           0 LOAD_FAST                0 (param)
              3 POP_JUMP_IF_FALSE       10

  3           6 LOAD_CONST               1 (1)
              9 RETURN_VALUE        

  4     >>   10 LOAD_CONST               2 (0)
             13 RETURN_VALUE        
>>> dis.dis(with_else)
  2           0 LOAD_FAST                0 (param)
              3 POP_JUMP_IF_FALSE       10

  3           6 LOAD_CONST               1 (1)
              9 RETURN_VALUE        

  5     >>   10 LOAD_CONST               2 (0)
             13 RETURN_VALUE        
             14 LOAD_CONST               0 (None)
             17 RETURN_VALUE        

这纯粹是猜测，我还没有找到一种简单的方法来检查它是否正确，但是我有一个理论适合您。

我尝试了您的代码并获得了相同的结果，但without_else()反复地比with_else()：

>>> T(lambda : without_else()).repeat()
[0.42015745017874906, 0.3188967452567226, 0.31984281521812363]
>>> T(lambda : with_else()).repeat()
[0.36009842032996175, 0.28962249392031936, 0.2927151355828528]
>>> T(lambda : without_else(True)).repeat()
[0.31709728471076915, 0.3172671387005721, 0.3285821242644147]
>>> T(lambda : with_else(True)).repeat()
[0.30939889008243426, 0.3035132258429485, 0.3046679117038593]

考虑到字节码是相同的，唯一的区别是函数的名称。特别是时序测试会在全局名称上进行查找。尝试重命名without_else()，区别消失：

>>> def no_else(param=False):
    if param:
        return 1
    return 0

>>> T(lambda : no_else()).repeat()
[0.3359846013948413, 0.29025818923918223, 0.2921801513879245]
>>> T(lambda : no_else(True)).repeat()
[0.3810395594970828, 0.2969634408842694, 0.2960104566362247]

我的猜测是，这without_else与其他内容发生了哈希冲突，globals()因此全局名称查找稍微慢一些。

编辑：具有7个或8个键的字典可能具有32个插槽，因此在此基础上，without_else哈希与__builtins__：

>>> [(k, hash(k) % 32) for k in globals().keys() ]
[('__builtins__', 8), ('with_else', 9), ('__package__', 15), ('without_else', 8), ('T', 21), ('__name__', 25), ('no_else', 28), ('__doc__', 29)]

要阐明哈希如何工作：

__builtins__ 散列为-1196389688，这减小了表大小（32）的模数，这意味着它存储在表的＃8插槽中。

without_else哈希到505688136，将模32的值降低为8，因此发生冲突。要解决此问题，Python计算：

从...开始：

j = hash % 32
perturb = hash

重复此过程，直到找到可用的插槽：

j = (5*j) + 1 + perturb;
perturb >>= 5;
use j % 2**i as the next table index;

这使它可以用作下一个索引17。幸运的是，它是免费的，因此循环仅重复一次。哈希表的大小是2的幂，哈希表的大小也是2的幂2**i，i是哈希值使用的位数j。

对该表的每个探测都可以找到以下之一：

• 插槽为空，在这种情况下，探测停止，并且我们知道该值不在表中。

• 该广告位尚未使用，但已在过去使用过，在这种情况下，我们尝试使用如上计算的下一个值。

• 插槽已满，但是存储在表中的完整哈希值与我们要查找的键的哈希值不同（在__builtins__vs 的情况下就是这样without_else）。

• 插槽已满，并且恰好具有我们想要的哈希值，然后Python检查以查看键和我们正在查找的对象是否是同一对象（在这种情况下，这是因为可能会插入标识符的短字符串被插入了，所以相同的标识符使用完全相同的字符串）。

• 最终，当插槽已满时，哈希值完全匹配，但是键不是同一对象，然后Python才会尝试比较它们是否相等。这相对较慢，但实际上不应该进行名称查找。