为什么pypy中的代码比默认的python解释器慢？

给定多个玩家

n

，我需要找到

H

，所有元组的列表，其中每个元组是联盟的组合（玩家的组合，例如，（1,2,3）是玩家1,2和3的组合。（（1,2,3），（4,5），（6），）是联盟的组合，也是元组）这尊重了这条规则：每个玩家只出现一次（也就是说，只出现在一个联盟中）。 另外，在代码中，每种联盟组合称为布局

开始时，我编写了一个代码段，其中我计算了所有联盟的所有组合，并为每个组合检查了规则。问题是，对于5-6名玩家来说，联盟组合的数量已经太大了，以至于我的电脑坏了。 为了避免大部分计算（所有可能的组合、循环和ifs），我编写了以下内容（我进行了测试，与前面的代码片段相当）：

说明：假设n=3

首先，我创建所有可能的联盟：

coalitions = [[(1,),(2,),(3,)],[(1,2),(1,3),(2,3)],[(1,2,3)]]

然后我用明显的组合初始化H：每个玩家在他自己的联盟中，每个玩家在最大的联盟中

H = [((1,),(2,),(3,)),((1,2,3),)]

然后我计算所有可能的布局形式：

combs = [(1,2)]   #(1,2) represents a layout in which there is 
                  #one 1-player coalition and one 2-player coalition.

我计算排列（排列）。 最后，对于每个烫发和每个梳子，我计算出不同的可能布局。I

设置

结果（

布局

），以删除重复项并添加到H

H = [((1,),(2,),(3,)),((1,2,3),),((1,2),(3,)),((1,3),(2,)),((2,3),(1,))]

比较如下：

python script.py

• 4:0.00052094455337秒
• 5:0.0038321018219秒
• 6:0.0408189296722秒
• 7:0.431486845016秒
• 8:6.05224680901秒
• 9:76.4520540237秒

pypy脚本.py

• 4:0.00342392921448秒
• 5:0.066803932899秒
• 6:0.311077833176秒
• 7:1.13124799728秒
• 8:11.5973010063秒
• 9:Got phut

---

为什么pypy那么慢？我应该更改什么？

这里有一个关于

itertools.product

的Pypy问题

请注意，我们的目标是确保itertools不会比 简单的Python，但我们并不真正关心如何使它完全一样快（或更快） 更快）作为普通Python。只要速度不太慢，就可以了。（在 至少我不同意你关于a）还是b）更容易阅读的观点：-）

---

在不详细研究代码的情况下，它似乎大量使用了

itertools

组合、排列和乘积函数。在常规的CPython中，这些都是用编译过的C代码编写的，目的是使它们变得更快。Pypy没有实现C代码，因此这些函数的速度较慢也就不足为奇了。

这里是关于

itertools.product

的Pypy问题

请注意，我们的目标是确保itertools不会比 简单的Python，但我们并不真正关心如何使它完全一样快（或更快） 更快）作为普通Python。只要速度不太慢，就可以了。（在 至少我不同意你关于a）还是b）更容易阅读的观点：-）

---

在不详细研究代码的情况下，它似乎大量使用了

itertools

组合、排列和乘积函数。在常规的CPython中，这些都是用编译过的C代码编写的，目的是使它们变得更快。Pypy没有实现C代码，因此这些函数的速度较慢也就不足为奇了。

首先，我想指出的是，您正在研究，在生成所有子集之后，这可能会简化下一部分的工作。例如，很容易知道每个钟组有多大；OEIS已经有了

我手工编写循环以生成钟集；这是我的密码：

cache={0:（），1:（（set（[1]），），）}
def bell（x）：
#更改这些行以更改备忘录。
如果x在缓存中：
返回缓存[x]
上一个=钟形（x-1）
新=[]
对于以前版本中的集合：
r=[]
对于范围内的标记（透镜（组））：
l=[s |集合（[x]），如果i==在枚举（集合）中为i，s标记else s]
r、 附加（元组（l））
新.扩展（r）
new.append（set+（set（[x]），）
缓存[x]=元组（新）
还新

为了实用，我在这里写了一些备忘录。但是，通过注释一些代码并编写一些其他代码，您可以获得以下未注释的版本，我将其用于基准测试：

def铃（x）：
如果x==0：
返回（）
如果x==1：
返回（（集合（[1]），），）
上一个=钟形（x-1）
新=[]
对于以前版本中的集合：
r=[]
对于范围内的标记（透镜（组））：
l=[s |集合（[x]），如果i==在枚举（集合）中为i，s标记else s]
r、 附加（元组（l））
新.扩展（r）
new.append（set+（set（[x]），）
缓存[x]=元组（新）
还新

我的数字是基于一个有几年历史的Thinkpad，我大部分的工作都是在它上面完成的。大多数较小的案例都太快了，无法可靠地进行测量（前几次试验中，每次试验都没有一毫秒），因此我的基准测试是通过

bell（9）

测试

bell（11）

CPython 2.7.11的基准测试，使用标准

timeit

模块：

$ python -mtimeit -s 'from derp import bell' 'bell(9)'
10 loops, best of 3: 31.5 msec per loop
$ python -mtimeit -s 'from derp import bell' 'bell(10)'
10 loops, best of 3: 176 msec per loop
$ python -mtimeit -s 'from derp import bell' 'bell(11)'
10 loops, best of 3: 1.07 sec per loop

在PyPy 4.0.1上，也使用

timeit

：

$ pypy -mtimeit -s 'from derp import bell' 'bell(9)'
100 loops, best of 3: 14.3 msec per loop
$ pypy -mtimeit -s 'from derp import bell' 'bell(10)'
10 loops, best of 3: 90.8 msec per loop
$ pypy -mtimeit -s 'from derp import bell' 'bell(11)'
10 loops, best of 3: 675 msec per loop

因此，我得出的结论是，

itertools

在其预期习惯用法之外使用时速度不是很快。钟形数字在组合上很有趣，但它们不是从我能找到的任何简单的

itertools

小部件组合中自然产生的

为了响应您最初的查询，即如何使其更快：只需打开代码即可。希望这有帮助

---

~C.

首先，我想指出的是，您正在研究，在生成完所有t之后，这可能会简化下一部分的工作

$ pypy -mtimeit -s 'from derp import bell' 'bell(9)'
100 loops, best of 3: 14.3 msec per loop
$ pypy -mtimeit -s 'from derp import bell' 'bell(10)'
10 loops, best of 3: 90.8 msec per loop
$ pypy -mtimeit -s 'from derp import bell' 'bell(11)'
10 loops, best of 3: 675 msec per loop