Python 布尔运算与算术运算的计算代价比较

我有一个关于运算成本的一般性问题。最基本的布尔运算比最基本的算术运算在时间上更便宜还是更昂贵。在有边缘情况的情况下，考虑尝试不同输入的随机情况。

更新 为了稍微细化一下这个问题，我想比较一下加法和布尔等于运算的时间复杂度。以下是时间复杂性资源：

从我的理解来看，布尔等于是位运算和运算的乘法，所以这通常会降低效率

我在本地运行了这段python代码，证实了这一点：

from time import time
a = time()

for i in range(1000000):
    26 == 25
print(time() - a)
## 0.040122032165527344
a = time()

for i in range(1000000):
    26 + 25
print(time() - a)
## 0.031081438064575195

---

更新稍微更改上面的代码以使布尔等于更有效

实际上，比较通常在硬件中实现，因此成本与算术运算相同

---

实际上，比较通常在硬件中实现，因此成本与算术运算相同

---

您必须在特定的机器上进行测试才能确定。除非您正在编写关键的内核代码，否则差异可能非常小，您永远不会注意到它。如果您试图梳理CPU级别的差异，那么试图通过Python解释器达到这一点就是试图使用标尺测量微米。它并不是一种具有你想要的精度的仪器，而你试图将事情“放大”到你想要测量的范围所得到的噪音（来自垃圾收集、操作系统中断等）将压倒信号。你必须在特定的机器上进行测试才能确定。除非您正在编写关键的内核代码，否则差异可能非常小，您永远不会注意到它。如果您试图梳理CPU级别的差异，那么试图通过Python解释器达到这一点就是试图使用标尺测量微米。它并不是一种具有你想要的精度的仪器，你试图将事情“放大”到你想要测量的范围的噪音（来自垃圾收集、操作系统中断等）将压倒信号。