在python中，将变量转换为它自己的类型会浪费CPU资源吗？

我试图从数据库中获取一个int id号，但有些id被错误地存储为字符串，我想知道以下哪种方法更好：

# the first method
new_id = int(old_id) + 1
# second
if isinstance(old_id, str):
    new_id = int(old_id) + 1
else:
    new_id = old_id +1

所以问题是，在python中将一个变量转换为它自己的类型需要花费多少钱

~/Coding >  python -m timeit -s "id1=1;id2='1'" "new_id = int(id1)" "new_id = int(id2)"
1000000 loops, best of 3: 0.755 usec per loop
~/Coding >  python -m timeit -s "id1=1;id2='1';f=lambda x: int(x) if isinstance(x, str) else x" "new_id=f(id1)" "new_id=f(id2)"
1000000 loops, best of 3: 1.15 usec per loop

看起来最有效的方法就是简单地进行

int

转换而不进行检查

我愿意被纠正，这里的问题是

lambda

或我做的其他事情

更新： 这实际上可能不是一个公平的答案，因为if检查本身比类型转换快得多

~/Coding >  python -m timeit "int('3')"
1000000 loops, best of 3: 0.562 usec per loop
~/Coding >  python -m timeit "int(3)"
10000000 loops, best of 3: 0.136 usec per loop
~/Coding >  python -m timeit "if isinstance('3', str): pass"
10000000 loops, best of 3: 0.0966 usec per loop

这意味着这取决于您希望有多少ID是字符串，以查看哪个ID值得

更新2: 我在这里有点过火了，但是我们可以根据您期望的字符串数量，使用上面的计时来确定何时正确地切换

其中，

z

是ID的总数，

s

是字符串的百分比，所有值以微秒为单位

Always check type: (assuming returning int costs 0 time)
.0966*z + .562*z*s

Always convert without checking:
.136*z*(1-s) + .562*z*s

当我们进行计算时，

z

和字符串的转换将被抵消（因为您必须转换字符串），我们最终得到以下结果：

s ~= 0.289706

---

因此，看起来29%的字符串大约是从一种方法转换到另一种方法的时间。

我认为更好的问题是“类型检查比将类型转换为自身需要更长的时间吗？”除非你每秒处理数百万个值，这不太可能在CPU使用率上产生任何明显的差异。无论哪种方法的效率高低，做这两件事都会挫败任何利用duck类型的尝试。我认为这两个都是不好的做法。在试图将不一致的输入从外部资源转换成一致的类型时，我看不出有什么害处。如果你真的担心这样一个纳米级的CPU使用率，那么你就不应该首先使用Python。在第一个命令行中使用

lambda

，与在第二个命令行中使用lambda的方式相同，应该可以进行公平的比较。