共计 6123 个字符，预计需要花费 16 分钟才能阅读完成。
前言
这两天在 CodeReview 时，看到这样的代码
# 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
…
意图很简单，就是将 somelib.get_all_projects 获取的项目塞入的 self.project_code_to_name
然而印象中这个是有优化空间的，于是提出调整方案：
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
…
方案很简单，就是先定义局部变量 project_code_to_name，操作完，再赋值到 self.project_code_to_name。
在后面的测试，也确实发现这样是会好点，那么结果知道了，接下来肯定是想探索原因的！
局部变量
其实在网上很多地方，甚至很多书上都有讲过一个观点：访问局部变量速度要快很多，粗看好像好有道理，然后又看到下面贴了一大堆测试数据，虽然不知道是什么，但这是真的屌，记住再说，管他呢！
但是实际上这个观点还是有一定的局限性，并不是放诸四海皆准。所以先来理解下这句话吧，为什么大家都喜欢这样说。
先看段代码理解下什么是局部变量：
#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
理解了什么是局部变量，就需要谈谈 Python 函数 和 局部变量 的爱恨情仇，因为如果不搞清楚这个，是很难感受到到底快在哪里；
为避免枯燥，以上述的代码来阐述吧，顺便附上 test 函数执行 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
在上图中比较清楚能看到 a、b、c 分别对应的指令块，每一块的第一行都是 LOAD_XXX，顾名思义，是说明这些变量是从哪个地方获取的。
LOAD_GLOBAL 毫无疑问是全局，但是 LOAD_FAST 是什么鬼？似乎应该叫 LOAD_LOCAL 吧？
然而事实就是这么神奇，人家就真的是叫 LOAD_FAST，因为局部变量是从一个叫 fastlocals 的数组里面读，所以名字也就这样叫了（我猜的）。
那么主角来了，我们要重点理解这个，因为这个确实还挺有意思。
Python 函数执行
Python 函数的构建和运行，说复杂不复杂，说简单也不简单，因为它需要区分很多情况，比方说需要区分 函数 和 方法，再而区分是有无参数，有什么参数，有木有变长参数，有木有关键参数。
全部展开仔细讲是不可能的啦，不过可以简单图解下大致的流程（忽略参数变化细节）：一路顺流而下，直达 fast_function，它在这里的调用是：
// ceval.c -> call_function
x = fast_function(func, pp_stack, n, na, nk);
参数解释下：
func: 传入的 test;
pp_stack: 近似理解调用栈 (py 方式);
na: 位置参数个数;
nk: 关键字个数;
n = na + 2 * nk;
那么下一步就看看 fast_function 要做什么吧。
初始化一波
定义 co 来存放 test 对象里面的 func_code
定义 globals 来存放 test 对象里面的 func_globals (字典)
定义 argdefs 来存放 test 对象里面的 func_defaults (构建函数时的关键字参数默认值)
来个判断，如果 argdefs 为空 && 传入的位置参数个数 == 函数定义时候的位置形参个数 && 没有传入关键字参数
那就
用 当前线程状态、co、globals 来新建栈对象 f;
定义 fastlocals (fastlocals = f->f_localsplus;);
把 传入的参数全部塞进去 fastlocals
那么问题来了，怎么塞？怎么找到传入了什么鬼参数：这个问题还是只能有 dis 来解答:
我们知道现在这步是在 CALL_FUNCTION 里面进行的，所以塞参数的动作，肯定是在此之前的，所以：
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
在 CALL_FUNCTION 上面就看到 30 LOAD_CONST 4 (3)，有兴趣的童鞋可以试下多传几个参数，就会发现传入的参数，是依次通过 LOAD_CONST 这样的方式加载进来，所以如何找参数的问题就变得呼之欲出了；
// fast_function 函数
fastlocals = f->f_localsplus;
stack = (*pp_stack) – n;
for (i = 0; i < n; i++) {
Py_INCREF(*stack);
fastlocals[i] = *stack++;
}
这里出现的 n 还记得怎么来的吗？回顾上面有个 n = na + 2 * nk;，能想起什么吗？
其实这个地方就是简单的通过将 pp_stack 偏移 n 字节 找到一开始塞入参数的位置。
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。
到了这里，栈对象 f 的 f_localsplus 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。
做好这些动作，终于来到真正执行函数的地方了: PyEval_EvalFrameEx，在这里，需要先交代下，有个和 PyEval_EvalFrameEx 很像的，叫 PyEval_EvalCodeEx，虽然长得像，但是人家干得活更多了。
请看回前面的 fast_function 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 PyEval_EvalCodeEx 处理一波，再执行 PyEval_EvalFrameEx。
PyEval_EvalFrameEx 主要的工作就是解析字节码，像刚才的那些 CALL_FUNCTION，LOAD_FAST 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 swith – case，这基本也就是 Python 的运行本质了。
f_localsplus 存 和 取
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。。
为了简单阐述，直接引用名词：fastlocals, 其中 fastlocals = f->f_localsplus
刚才只是简单看到了，Python 会把传入的参数，以此塞入 fastlocals 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。
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：
# CALL_FUNCTION
5 0 LOAD_CONST 1 (‘test’)
3 STORE_FAST 1 (c)
这里出现了新的字节码 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。
结语
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。
欢迎各位大神指点交流, QQ 讨论群: 258498217 ** 转载请注明来源: https://segmentfault.com/a/11…
