Python函數局部變數如何執行？淺析python函數變數的應用
- 不言原創
- 2018-09-03 17:33:532815瀏覽
本篇文章帶給大家的內容是關於Python函數局部變數如何執行？淺析python函數變數的應用 ，有一定的參考價值，有需要的朋友可以參考一下，希望對你有幫助。
前言
這兩天在CodeReview 時，看到這樣的程式碼
# 伪代码
import somelib
class A(object):
def load_project(self):
self.project_code_to_name = {}
for project in somelib.get_all_projects():
self.project_code_to_name[project] = project
...
意圖很簡單，就是將somelib.get_all_projects 取得的項目塞入的self.project_code_to_name
#然而印像中這個是有最佳化空間的，於是提出調整方案：
import somelib
class A(object):
def load_project(self):
project_code_to_name = {}
for project in somelib.get_all_projects():
project_code_to_name[project] = project
self.project_code_to_name = project_code_to_name
...
方案很簡單，就是先定義局部變數project_code_to_name，操作完，再賦值到self.project_code_to_name。
在後面的測試，也確實發現這樣是會好點，那麼結果知道了，接下來一定是想探索原因的！
局部變數
其實在網路上很多地方，甚至很多書上都有講過一個觀點：存取局部變數速度要快很多 ，粗看好像好有道理，然後又看到下面貼了一大堆測試數據，雖然不知道是什麼，但這是真的屌，記住再說，管他呢！
但其實這個觀點還是有一定的局限性，並不是放諸四海皆準。所以先來理解下這句話吧，為什麼大家都喜歡這樣說。
先看段程式碼理解下什麼是局部變數：
#coding: utf8 a = 1 def test(b): c = 'test' print a # 全局变量 print b # 局部变量 print c # 局部变量 test(3)
# 输出 1 3 test
简单来说，局部变量就是只作用于所在的函数域，超过作用域就被回收
理解了什麼是局部變量，就需要談談Python 函數和局部變數的愛恨情仇，因為如果不搞清楚這個，是很難感受到到底快在哪裡；
為避免枯燥，以上述的程式碼來闡述吧，順便附上test 函數執行的dis 的解析:
# CALL_FUNCTION
5 0 LOAD_CONST 1 ('test')
3 STORE_FAST 1 (c)
6 6 LOAD_GLOBAL 0 (a)
9 PRINT_ITEM
10 PRINT_NEWLINE
7 11 LOAD_FAST 0 (b)
14 PRINT_ITEM
15 PRINT_NEWLINE
8 16 LOAD_FAST 1 (c)
19 PRINT_ITEM
20 PRINT_NEWLINE
21 LOAD_CONST 0 (None)
24 RETURN_VALUE
在上圖中比較清楚能看到a、b、c 分別對應的指令塊，每一塊的第一行都是LOAD_XXX，顧名思義，是說明這些變數是從哪個地方取得的。
LOAD_GLOBAL 毫無疑問是全域，但是 LOAD_FAST 是什麼鬼？似乎應該叫LOAD_LOCAL 吧？
然而事實就是這麼神奇，人家就真的是叫LOAD_FAST，因為局部變數是從一個叫做fastlocals 的陣列裡面讀，所以名字也就這樣叫了（我猜的）。
那麼主角來了，我們要重點理解這個，因為這個確實還蠻有趣。
Python 函數執行
Python 函數的建構與運行，說複雜不複雜，說簡單也不簡單，因為它需要區分很多情況，比方說需要區分函數和方法，再而區分是有無參數，有什麼參數，有木有變長參數，有木有關鍵參數。
全部展開仔細講是不可能的啦，不過可以簡單圖解下大致的流程（忽略參數變化細節）：
一路順流而下，直達fast_function，它在這裡的呼叫是：
// ceval.c -> call_function x = fast_function(func, pp_stack, n, na, nk);
參數解釋下：
func: 傳入的
test;pp_stack: 近似理解呼叫堆疊(py方式);
na: 位置參數個數;
nk: 關鍵字個數;
n = na 2 * nk;
那麼下一步就來看看fast_function 要做什麼吧。
初始化一波
定義co 來存放test 物件裡面的
func_code- ##定義globals來存放test 物件裡面的
func_globals
(字典) - #定義argdefs 來存放test 物件裡面的
func_defaults
(建構函式時的關鍵字參數預設值)
argdefs 為空 && 傳入的位置參數數位== 函數定義時候的位置形參個數 && 沒有傳入關鍵字參數
- #用
目前執行緒狀態
、co、globals來新堆疊物件f; fastlocals
( fastlocals = f- >f_localsplus; );- 把傳入的參數全部塞進去
fastlocals
##那麼問題來了，怎麼塞？怎麼找到傳入了什麼鬼參數：這個問題還是只能有
來解答:我們知道現在這步是在
裡面進行的，所以塞參數的動作，肯定是在此之前的，所以：<pre class="brush:php;toolbar:false"> 12 27 LOAD_NAME 2 (test)
30 LOAD_CONST 4 (3)
33 CALL_FUNCTION 1
36 POP_TOP
37 LOAD_CONST 1 (None)
40 RETURN_VALUE</pre>在
上面就看到 30 LOAD_CONST 4 (3)，有興趣的童鞋##可以試下多傳幾個參數，就會發現傳入的參數，是依序透過LOAD_CONST 這樣的方式載入進來，所以如何找參數的問題就變得呼之欲出了；<pre class="brush:php;toolbar:false">// fast_function 函数
fastlocals = f->f_localsplus;
stack = (*pp_stack) - n;
for (i = 0; i <p>这里出现的 n 还记得怎么来的吗？回顾上面有个 <code>n = na + 2 * nk;</code> ，能想起什么吗？</p><p>其实这个地方就是简单的通过将 <code>pp_stack</code> 偏移 n 字节 找到一开始塞入参数的位置。</p><p>那么问题来了，如果 n 是 位置参数个数 + 关键字参数，那么 2 * nk 是什么意思？其实这答案很简单，那就是 关键字参数字节码 是属于带参数字节码， 是占 2字节。</p><p>到了这里，栈对象 <code>f</code> 的 <code>f_localsplus</code> 也登上历史舞台了，只是此时的它，还只是一个未经人事的少年，还需历练。</p><p>做好这些动作，终于来到真正执行函数的地方了: <code>PyEval_EvalFrameEx</code>，在这里，需要先交代下，有个和 <code>PyEval_EvalFrameEx</code> 很像的，叫 <code>PyEval_EvalCodeEx</code>，虽然长得像，但是人家干得活更多了。</p><p>请看回前面的 <code>fast_function</code> 开始那会有个判断，我们上面说得是判断成立的，也就是最简单的函数执行情况。如果函数传入多了关键字参数或者其他情况，那就复杂很多了，此时就需要由 <code>PyEval_EvalCodeEx</code> 处理一波，再执行 <code>PyEval_EvalFrameEx</code>。</p><p><code>PyEval_EvalFrameEx</code> 主要的工作就是解析字节码，像刚才的那些 <code>CALL_FUNCTION</code>，<code>LOAD_FAST</code> 等等，都是由它解析和处理的，它的本质就是一个死循环，然后里面有一堆 <code>swith - case</code>，这基本也就是 Python 的运行本质了。</p><h4>f_localsplus 存 和 取</h4><p>讲了这么长的一堆，算是把 Python 最基本的 函数调用过程简单扫了个盲，现在才开始探索主题。。</p><p>为了简单阐述，直接引用名词：<code>fastlocals</code>, 其中 <code>fastlocals = f->f_localsplus</code></p><p>刚才只是简单看到了，Python 会把传入的参数，以此塞入 <code>fastlocals</code> 里面去，那么毋庸置疑，传入的位置参数，必然属于局部变量了，那么关键字参数呢？那肯定也是局部变量，因为它们都被特殊对待了嘛。</p><p>那么除了函数参数之外，必然还有函数内部的赋值咯？ 这块字节码也一早在上面给出了：</p><pre class="brush:php;toolbar:false"># CALL_FUNCTION
5 0 LOAD_CONST 1 ('test')
3 STORE_FAST 1 (c)</pre><p>这里出现了新的字节码 <code>STORE_FAST,一起来看看实现把：
# PyEval_EvalFrameEx 庞大 switch-case 的其中一个分支：
PREDICTED_WITH_ARG(STORE_FAST);
TARGET(STORE_FAST)
{
v = POP();
SETLOCAL(oparg, v);
FAST_DISPATCH();
}
# 因为有涉及到宏，就顺便给出：
#define GETLOCAL(i) (fastlocals[i])
#define SETLOCAL(i, value) do { PyObject *tmp = GETLOCAL(i); \
GETLOCAL(i) = value; \
Py_XDECREF(tmp); } while (0)简单解释就是，将 POP() 获得的值 v，塞到 fastlocals 的 oparg 位置上。此处，v 是 "test"， oparg 就是 1。用图表示就是：
有童鞋可能会突然懵了，为什么突然来了个 b ？我们又需要回到上面看 test 函数是怎样定义的：
// 我感觉往回看的概率超低的，直接给出算了 def test(b): c = 'test' print b # 局部变量 print c # 局部变量
看到函数定义其实都应该知道了，因为 b 是传的参数啊，老早就塞进去了~
那存储知道了，那么怎么取呢？同样也是这段代码的字节码：
22 LOAD_FAST 1 (c)
虽然这个用脚趾头想想都知道原理是啥，但公平起见还是给出相应的代码：
# PyEval_EvalFrameEx 庞大 switch-case 的其中一个分支：
TARGET(LOAD_FAST)
{
x = GETLOCAL(oparg);
if (x != NULL) {
Py_INCREF(x);
PUSH(x);
FAST_DISPATCH();
}
format_exc_check_arg(PyExc_UnboundLocalError,
UNBOUNDLOCAL_ERROR_MSG,
PyTuple_GetItem(co->co_varnames, oparg));
break;
}直接用 GETLOCAL 通过索引在数组里取值了。
到了这里，应该也算是把 f_localsplus 讲明白了。这个地方不难，其实一般而言是不会被提及到这个，因为一般来说忽略即可了，但是如果说想在性能方面讲究点，那么这个小知识就不得忽视了。
变量使用姿势
因为是面向对象，所以我们都习惯了通过 class 的方式，对于下面的使用方式，也是随手就来：
class SS(object):
def __init__(self):
self.fuck = {}
def test(self):
print self.fuck这种方式一般是没什么问题的，也很规范。到那时如果是下面的操作，那就有问题了：
class SS(object):
def __init__(self):
self.fuck = {}
def test(self):
num = 10
for i in range(num):
self.fuck[i] = i这段代码的性能损耗，会随着 num 的值增大而增大， 如果下面循环中还要涉及到更多类属性的读取、修改等等，那影响就更大了
这个类属性如果换成 全局变量，也会存在类似的问题，只是说在操作类属性会比操作全局变量要频繁得多。
我们直接看看两者的差距有多大把？
import timeit
class SS(object):
def test(self):
num = 100
self.fuck = {} # 为了公平，每次执行都同样初始化新的 {}
for i in range(num):
self.fuck[i] = i
def test_local(self):
num = 100
fuck = {} # 为了公平，每次执行都同样初始化新的 {}
for i in range(num):
fuck[i] = i
self.fuck = fuck
s = SS()
print timeit.timeit(stmt=s.test_local)
print timeit.timeit(stmt=s.test)
通过上图可以看出，随着 num 的值越大，for 循环的次数就越多，那么两者的差距也就越大了。
那么为什么会这样，也是在字节码可以看出写端倪：
// s.test >> 28 FOR_ITER 19 (to 50) 31 STORE_FAST 2 (i) 8 34 LOAD_FAST 2 (i) 37 LOAD_FAST 0 (self) 40 LOAD_ATTR 0 (hehe) 43 LOAD_FAST 2 (i) 46 STORE_SUBSCR 47 JUMP_ABSOLUTE 28 >> 50 POP_BLOCK // s.test_local >> 25 FOR_ITER 16 (to 44) 28 STORE_FAST 3 (i) 14 31 LOAD_FAST 3 (i) 34 LOAD_FAST 2 (hehe) 37 LOAD_FAST 3 (i) 40 STORE_SUBSCR 41 JUMP_ABSOLUTE 25 >> 44 POP_BLOCK 15 >> 45 LOAD_FAST 2 (hehe) 48 LOAD_FAST 0 (self) 51 STORE_ATTR 1 (hehe)
上面两段就是两个方法的 for block 内容，大家对比下就会知道， s.test 相比于 s.test_local, 多了个 LOAD_ATTR 放在 FOR_ITER 和 POP_BLOCK 之间。
这说明什么呢？ 这说明，在每次循环时，s.test 都需要 LOAD_ATTR，很自然的，我们需要看看这个是干什么的：
TARGET(LOAD_ATTR)
{
w = GETITEM(names, oparg);
v = TOP();
x = PyObject_GetAttr(v, w);
Py_DECREF(v);
SET_TOP(x);
if (x != NULL) DISPATCH();
break;
}
# 相关宏定义
#define GETITEM(v, i) PyTuple_GetItem((v), (i))这里出现了一个陌生的变量 name, 这是什么？其实这个就是每个 codeobject 所维护的一个 名字数组，基本上每个块所使用到的字符串，都会在这里面存着，同样也是有序的：
// PyCodeObject 结构体成员 PyObject *co_names; /* list of strings (names used) */
那么 LOAD_ATTR 的任务就很清晰了：先从名字列表里面取出字符串，结果就是 "hehe", 然后通过 PyObject_GetAttr 去查找，在这里就是在 s 实例中去查找。
且不说查找效率如何，光多了这一步，都能失之毫厘差之千里了，当然这是在频繁操作次数比较多的情况下。
所以我们在一些会频繁操作 类/实例属性 的情况下，应该是先把 属性 取出来存到 局部变量，然后用 局部变量 来完成操作。最后视情况把变动更新到属性上。
最后
其实相比变量，在函数和方法的使用上面更有学问，更值得探索，因为那个原理和表面看起来差别更大，下次有机会再探讨。平时工作多注意下，才能使得我们的 PY 能够稍微快点点点点点。
相关推荐：
以上是Python函數局部變數如何執行？淺析python函數變數的應用的詳細內容。更多資訊請關注PHP中文網其他相關文章！