Performance 在类中，代码的速度或样式/紧凑性会更好吗？

我知道答案会因情况和守则的目的而有所不同。我在模块中编写一个类，并意识到重新定义该类的运算符方法需要大量代码。我们对类本身使用继承，为什么不使用方法呢？当然，它确实会让代码慢一点，但它会使代码更加简洁

以以下课程为例：

class Ex1:
    def __init__(self, v):
        self.v = v
    def __add__(self, other):
        # Many lines of essential code
        return self.v + other.v
    def __sub__(self, other):
        # Many lines of essential code
        return self.v - other.v
    def __mul__(self, other):
        # Many lines of essential code
        return self.v * other.v
    def __truediv__(self, other):
        # Many lines of essential code
        return self.v / other.v

以及：

使用timeit模块对其进行测试，我得到以下结果：

>>> timeit('Ex1(352) + Ex1(139)', 'from __main__ import Ex1')
1.2401711247332514
>>> timeit('Ex1(352) + Ex1(139)', 'from __main__ import Ex1')
1.2278626568422624
>>> timeit('Ex1(352) + Ex1(139)', 'from __main__ import Ex1')
1.2270929157546107
>>>
>>> timeit('Ex2(352) + Ex2(139)', 'from __main__ import Ex2')
1.6781722774976515
>>> timeit('Ex2(352) + Ex2(139)', 'from __main__ import Ex2')
1.6906975044787487
>>> timeit('Ex2(352) + Ex2(139)', 'from __main__ import Ex2')
1.678191572340893

所以

Ex2

大约比

Ex1

慢1.36倍。但在某些（罕见的）情况下，如果使用

Ex2

的“变通方法”，则可以消除数百行代码。但总的来说，速度比消除线路更重要吗？专业人士是否愿意牺牲一点速度来消除多余的代码行

编辑：

---

我意识到我可以通过将

op

参数（来自符号；例如“+”）替换为实际函数（例如ops.add）来消除if语句。

我看不出你是如何消除那里的行的。如果你有多余的行，把它们放在一个方法中，然后调用这个方法，而不是非多余的东西，但是不要在一个调用中聚合好的分离调用，只是为了再次分离它。

#如果elif语句比字典快

你做过任何测试来证明这一点吗？我真的很怀疑这种说法。而且，我自己做的测试也显示了相反的结果，你是对的。我道歉。在我的初始测试中，我在init中而不是在init之前创建字典。每次创建字典的速度都比if语句慢。@ClaytonGeist看不到这个答案及其指向的链接：Python中的字典查找时间平均为O（1）（甚至超过）。

>>> timeit('Ex1(352) + Ex1(139)', 'from __main__ import Ex1')
1.2401711247332514
>>> timeit('Ex1(352) + Ex1(139)', 'from __main__ import Ex1')
1.2278626568422624
>>> timeit('Ex1(352) + Ex1(139)', 'from __main__ import Ex1')
1.2270929157546107
>>>
>>> timeit('Ex2(352) + Ex2(139)', 'from __main__ import Ex2')
1.6781722774976515
>>> timeit('Ex2(352) + Ex2(139)', 'from __main__ import Ex2')
1.6906975044787487
>>> timeit('Ex2(352) + Ex2(139)', 'from __main__ import Ex2')
1.678191572340893