python - 为什么单次加法比单次加法加单次赋值花费的时间更长？

Question

这是Python代码，我使用Python 3.5.2/Intel(R) Core(TM) i7-4790K CPU @ 4.00GHz:

import time

empty_loop_t = 0.14300823211669922
N = 10000000


def single_addition(n):
    a = 1.0
    b = 0.0
    start_t = time.time()
    for i in range(0, n):
        a + b
    end_t = time.time()
    cost_t = end_t - start_t - empty_loop_t

    print(n,"iterations single additions:", cost_t)
    return cost_t

single_addition(N)


def single_addition_plus_single_assignment(n):
    a = 1.0
    b = 0.0
    c = 0.0
    start_t = time.time()
    for i in range(0, n):
        c = a + b
    end_t = time.time()
    cost_t = end_t - start_t - empty_loop_t

    print(n,"iterations single additions and single assignments:", cost_t)
    return cost_t

single_addition_plus_single_assignment(N)

输出为:

10000000 iterations single additions: 0.19701123237609863
10000000 iterations single additions and single assignments: 0.1890106201171875

通常，为了得到更可靠的结果，最好使用K折进行测试。不过，由于K折循环本身对结果有影响，所以我在测试中没有使用它。我确信这种不平等可以重现，至少在我的机器上。那么问题是为什么会发生这种情况？

Answer 1

我用 pypy 运行它(必须设置empty_loop_t = 0)并得到以下结果:

(10000000, 'iterations single additions:', 0.014394044876098633)
(10000000, 'iterations single additions and single assignments:', 0.018398046493530273)

所以我想这取决于解释器如何处理源代码以及解释器如何执行它。与使用非 JIT 解释器处理结果相比，故意分配可能需要更少的操作和工作量，而 JIT 编译器会强制代码执行实际数量的操作。

此外，使用 JIT 解释器可以使您的脚本在我的配置上运行速度提高约 50 倍。如果您的总体目标是优化脚本的运行时间，您可能会这样做。