Python 为什么创建从0到log（len（list），2）的范围这么慢？

我不知道为什么会这样。我正在处理一些列表，我需要一个从0到

log（n，2）

的

循环，其中n是列表的长度。但是代码速度惊人地慢，所以经过一点研究，我发现问题出在范围生成上。演示的示例代码：

n = len([1,2,3,4,5,6,7,8])
k = 8
timeit('range(log(n, 2))', number=2, repeat=3) # Test 1
timeit('range(log(k, 2))', number=2, repeat=3) # Test 2

输出

2 loops, best of 3: 2.2 s per loop
2 loops, best of 3: 3.46 µs per loop

测试的数量很低（我不希望它运行超过10分钟），但它已经表明
范围（log（n，2））
比仅使用整数对数的对应项慢几个数量级。这真是令人惊讶，我不知道为什么会发生这种情况。可能是我电脑上的问题，可能是Sage问题或Python bug（我没有在Python上尝试过同样的问题）

使用
xrange
而不是
range
也没有帮助。此外，如果您使用
.n（）
获取数字，测试1将以2的相同速度运行

有人知道会发生什么吗？
谢谢
 也许首先使用
log（x，2）
（又称
ld（）
）不是一个好主意。我建议使用移位int值来实现
ld（）
：

这样，您就可以使用
range（）
和
log（）
来避免所有这些丑陋

在正常情况下，调用
log（）

>>> timeit('for i in range(int(math.log(8, 2))): pass', setup='import math')
0.6762251853942871
>>> timeit('n = 8\nwhile n:\n  n >>= 1')
0.24107813835144043

n
的值越大，差异越小。对于
n=10000
我得到了0.8163230419158936和0.8106038570404053，但这应该是因为与循环初始化相比，循环体将占用大部分时间。
Python2允许范围（一些浮点），但它已弃用，在Python3中不起作用

代码示例未提供指定的输出。但我们可以走过去。首先，timeit需要一个完整的脚本，调用timeit的脚本中的导入没有使用：

>>> timeit('range(log(8,2))')
  Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib64/python2.6/timeit.py", line 226, in timeit
    return Timer(stmt, setup, timer).timeit(number)
  File "/usr/lib64/python2.6/timeit.py", line 192, in timeit
    timing = self.inner(it, self.timer)
  File "<timeit-src>", line 6, in inner
NameError: global name 'log' is not defined

如果将导入移动到设置中，效果会更好，但单次拍摄的计时非常不准确：

>>> timeit('range(log(8,2))',setup='from math import log')
1.9139349460601807

最后，运行几次，您会得到一个很好的数字：

>>> timeit('range(log(8,2))',setup='from math import log',number=100)
0.00038290023803710938

这看起来像是一只鼠尾草虫

我创建了一个新笔记本并完成了以下操作：

n = len([1,2,3,4,5,6,7,8])
k = 8
timeit('range(log(n, 2))', number=2, repeat=3) # Test 1
timeit('range(log(len([1,2,3,4,5,6,7,8]), 2))', number=2, repeat=3) # Test 1.5
timeit('range(log(k, 2))', number=2, repeat=3) # Test 2

测试1.5和测试1一样慢。但是，如果您以任何方式将其分解，请去掉
范围，甚至添加
m=n+0
，并使用
m
而不是
n
，它会下降到微秒

很明显，Sage试图在这里做一些复杂的事情，同时评估表达式，并感到困惑


要验证这一点，请在普通的旧ipython中：

n = len([1,2,3,4,5,6,7,8])
k = 8
%timeit 'range(log(n, 2))'
%timeit 'range(log(len([1,2,3,4,5,6,7,8]), 2))'
%timeit 'range(log(k, 2))'

正如你所料，它们都同样快


那…你怎么办

嗯，您可能想尝试追踪Sage bug并将其归档到上游。但与此同时，您可能希望在代码中找到一个变通方法

如上所述，只需执行
m=n+0
并使用
m
而不是
n
似乎可以加快速度。看看这对你有用吗？
天哪，我认识这个。它和我的一个朋友有关。首先，由于无聊的原因，使用Python
int
而不是Sage
Integer
会带来额外的开销：

sage: log(8, 2)
3
sage: type(log(8, 2))
sage.rings.integer.Integer
sage: log(8r, 2)
log(8)/log(2)
sage: type(log(8r, 2))
sage.symbolic.expression.Expression
sage: %timeit log(8, 2)
1000000 loops, best of 3: 1.4 us per loop
sage: %timeit log(8r, 2)
1000 loops, best of 3: 404 us per loop

（后缀
r
表示“原始”，并防止Sage编制者将文本
2
包装成
整数（2）
）

然后就变得很奇怪了。为了给
范围
产生一个int来消费，Sage必须弄清楚如何将
log（8）/log（2）
转换成3，结果是她做了最糟糕的事情。剽窃我的原始诊断（经过必要的修改）：

首先，她检查这个对象是否有自己的获取int的方法，但它没有。所以她用log（8）/log（2）构建了一个RealInterval对象，结果证明这是她能做的最糟糕的事情了！她检查间隔的上下部分是否一致[在地板上，我的意思是]（以便她确定地板是什么）。但在这种情况下，因为它实际上是一个整数这看起来总是像：

sage: y = log(8)/log(2)
sage: rif = RealIntervalField(53)(y)
sage: rif
3.000000000000000?
sage: rif.endpoints()
(2.99999999999999, 3.00000000000001)

这两个边界有不相等的楼层，因此Sage认为她还没有解决这个问题，她不断将精度提高到20000位，看看是否能证明它们是相等的。。但通过建造，它永远不会起作用。最后，她放弃了，并试图简化它，成功了：

sage: y.simplify_full()
3

无文字证明它是完全可分情形的反常性质：

sage: %timeit range(log(8r, 2))
1 loops, best of 3: 2.18 s per loop
sage: %timeit range(log(9r, 2))
1000 loops, best of 3: 766 us per loop
sage: %timeit range(log(15r, 2))
1000 loops, best of 3: 764 us per loop
sage: %timeit range(log(16r, 2))
1 loops, best of 3: 2.19 s per loop

听起来像是一个智者（也许是cython？）的问题。Python
range
甚至不接受浮动。Python在全局命名空间中也没有
log
（如果不向
timeit
添加
setup
，就无法实现它）。而且
n
对
timeit
也不可用。而且
timeit
上没有
repeat
参数（我假设您是从timeit import timeit
获得的
）。您的输出不是显示了
timeit
返回的值是随机的吗？毕竟你试了两次同样的方法（n和k都是8），得到的结果差别很大。你真的预先计算了n吗？“另外，如果你用
.n（）
”得到数字。等等，什么？从哪里得到什么号码？好了，Sage是建立在ipython之上的，它所有的“神奇”语法都以
%
或
开头。我愿意承认，在Python中编写一个正确的位移位循环要比调用
log
慢得多。但无论我是对是错，你绝对不应该在不尝试测试的情况下断言它更快。也许你不应该假设我没有测试。在今天的处理器中，位移位并不比加法或其他简单的算术运算慢，这是我基本知识的一部分。但是我添加了一些测试来证明我的观点。好吧，你给苹果计时了
sage: y.simplify_full()
3

sage: %timeit range(log(8r, 2))
1 loops, best of 3: 2.18 s per loop
sage: %timeit range(log(9r, 2))
1000 loops, best of 3: 766 us per loop
sage: %timeit range(log(15r, 2))
1000 loops, best of 3: 764 us per loop
sage: %timeit range(log(16r, 2))
1 loops, best of 3: 2.19 s per loop