为什么pypy中的代码比默认的python解释器慢？

Question

给定若干玩家n，我需要找到H，其中每个元组都是联盟的组合（例如（1,2,3）是玩家1、2和3的联盟。（（1，2，3），（4，5），（6，））是一个联盟的组合-也是元组），它尊重这个规则：每个玩家只出现一次，而且只出现一次（即只在一个联盟中出现）。 P、 每一个联盟的组合在代码中称为布局。在

在开始的时候，我写了一段代码，我计算了所有联盟的所有组合，并检查了每个组合的规则。问题是，对于5-6个玩家来说，联盟组合的数量已经太多了，以至于我的电脑出了故障。 为了避免很大一部分的计算（所有可能的组合，循环和ifs），我写了以下内容（我测试了它，它相当于前面的代码片段）：

from itertools  import combinations, combinations_with_replacement, product, permutations

players = range(1,n+1)
coalitions = [[coal for coal in list(combinations(players,length))] for length in players]

H = [tuple(coalitions[0]),(coalitions[-1][0],)]
combs = [comb for length in xrange(2,n) for comb in combinations_with_replacement(players,length) if sum(comb) == n]
perms = list(permutations(players))
layouts = set(frozenset(frozenset(perm[i:i+x]) for (i,x) in zip([0]+[sum(comb[:y]) for y in xrange(1,len(comb))],comb)) for comb in combs for perm in perms)
H.extend(tuple(tuple(tuple(coal) for coal in layout) for layout in layouts))
print H

说明：假设n=3

首先，我创建所有可能的联盟：

^{pr2}$

然后我用明显的组合初始化H：每个成员在他自己的联盟中，每个成员在最大联盟中。在

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

然后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。 最后，对于每个烫发和每个梳子，我计算出不同的可能布局。Iset结果（layouts）以便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： 0.000520944595337秒
• 5： 0.0038321018219秒
• 6： 0.0408189296722秒
• 7： 0.431486845016秒
• 8： 6.05224680901秒
• 9： 76.4520540237秒

pypy script.py

• 4： 0.00342392921448秒
• 5： 0.0668039321899秒
• 6： 0.311077833176秒
• 7： 1.13124799728秒
• 8： 11.5973010063秒
• 9： 发脾气了

为什么pypy那么慢？我该换什么？在

Answer 1

这是一个关于itertools.product的Pypy问题。在

https://bitbucket.org/pypy/pypy/issues/1677/itertoolsproduct-slower-than-nested-fors

Note that our goal is to ensure that itertools is not massively slower than plain Python, but we don't really care about making it exactly as fast (or faster) as plain Python. As long as it's not massively slower, it's fine. (At least I don't agree with you about whether a) or b) is easier to read :-)

如果不详细研究代码，它似乎大量使用了itertools组合、排列和乘积函数。在常规的CPython中，这些代码是用编译的C代码编写的，目的是使它们更快。Pypy并没有实现C代码，因此这些函数的速度慢一点也不奇怪。在