在Python中，为什么处理排序数组的速度不比处理未排序数组的速度快？

在这篇文章中，它说分支预测是排序数组性能提升的原因

但我只是尝试了使用Python的示例；我认为排序数组和随机数组之间没有区别（我尝试了bytearray和array；并使用line_profile分析计算）

我错过什么了吗

这是我的密码：

from array import array
import random
array_size = 1024
loop_cnt = 1000
# I also tried 'array', and it's almost the same
a = bytearray(array_size)
for i in xrange(array_size):
    a.append(random.randint(0, 255))
#sorted                                                                         
a = sorted(a)
@profile
def computation():
    sum = 0
    for i in xrange(loop_cnt):
        for j in xrange(size):
            if a[j] >= 128:
                sum += a[j]

computation()
print 'done'

原因有二：

• 数组大小太小，无法显示效果
• Python比C有更多的开销，因此总体效果不太明显

---

sorted（）

返回已排序的数组，而不是就地排序。你实际上是两次测量同一个数组。

我可能错了，但是我发现链接问题和你的例子有一个根本的区别：Python解释字节码，C++编译成本机代码。 < C++ >代码< <代码>如果直接转换为<代码> CMP /Cudio> JL> /COD>序列，CPU分支预测器可以将其视为单个“预测点”，具体到那个周期。

在Python中，这种比较实际上是几个函数调用，因此有（1）更多的开销，（2）我假设执行这种比较的代码是一个函数到解释器中，用于每一个其他整数比较-因此它是一个“预测点”，不特定于当前块，这使得分支预测器更难正确猜测

---

---

编辑：此外，正如本文所述，解释器中有更多的间接分支，因此Python代码中的这种优化可能会被解释器本身的分支预测失误所掩盖。

我将原始代码移植到Python并使用PyPy运行。我可以确认排序数组的处理速度比未排序数组快，并且无分支方法也可以消除运行时间与排序数组类似的分支。我相信这是因为PyPy是一个JIT编译器，所以分支预测正在发生

[编辑]

以下是我使用的代码：

import random import time def runme(data): sum = 0 start = time.time() for i in xrange(100000): for c in data: if c >= 128: sum += c end = time.time() print end - start print sum def runme_branchless(data): sum = 0 start = time.time() for i in xrange(100000): for c in data: t = (c - 128) >> 31 sum += ~t & c end = time.time() print end - start print sum data = list() for i in xrange(32768): data.append(random.randint(0, 256)) sorted_data = sorted(data) runme(sorted_data) runme(data) runme_branchless(sorted_data) runme_branchless(data) 随机输入 导入时间 def runme（数据）： 总和=0 开始=时间。时间（） 对于X范围内的i（100000）： 对于数据中的c： 如果c>=128： 总和+=c end=time.time（） 打印结束-开始 打印金额 def runme_无分支（数据）： 总和=0 开始=时间。时间（） 对于X范围内的i（100000）： 对于数据中的c： t=（c-128）>>31 总和+=~t&c end=time.time（） 打印结束-开始 打印金额 数据=列表（） 对于X范围内的i（32768）： data.append（random.randint（0256）） 已排序的\ u数据=已排序的（数据） 运行时（已排序的_数据） runme（数据） runme_无分支（已排序的_数据） runme_无分支（数据）

---

单击查看更多答案和类似问题。当对数据进行排序时，性能显著提高的原因是分支预测惩罚被删除，这在Mystical的回答中得到了很好的解释。

sorted（a）

返回另一个已排序的列表，但它不会修改

a

。要使代码按您认为的方式运行，您必须执行

a=sorted（a）

，或者更好的是执行

a.sort（）

。您可能希望在此处查看python的结果。这可能会有所帮助。python使用timsort，这可能会有一些影响……fwiw@rogerdpack：排序算法并不重要；所有稳定的算法产生相同的结果。这里没有分析排序时间。这个程序在我的mac air上需要1.5秒，更大的阵列消耗太多时间；我只是不想等待。“我只是不想等待”所以你希望我们为你做…？@dda对不起，我的意思是，当配置如上所述时，该函数已经需要1.5秒；如果我们可以从排序数组中获得一些性能提升，我们肯定可以看到。实际上，我已经将数组大小更改了10倍，或者循环计数更改了10倍，执行时间线性增加。我在我的MBP上做了一个测试，将

array_size

和

loop_cnt

乘以10，结果如下：随机数组：9.97857904434排序数组：7.98291707039I刚刚将其更改为“a=Sorted（a）”；它仍然是2.53 GHz Intel Core 2 Duo和PyPy 1.9.0的相同MBP，结果是：

//分支-随机秒=36.2439880371//分支-排序秒=18.3833880424//无分支-随机秒=13.1689388752//无分支-排序秒=12.3706789017