为什么我的Eratosthenes筛在整数上比布尔运算更快？

Question

我写了一个简单的Eratosthenes筛，它使用一个1的列表，如果不是质数，就把它们变成0，就像这样：

def eSieve(n): #Where m is fixed-length list of all integers up to n
    '''Creates a list of primes less than or equal to n'''
    m = [1]*(n+1)
    for i in xrange(2,int((n)**0.5)+1):
        if m[i]:
            for j in xrange(i*i,n+1,i):
                m[j]=0
    return [i for i in xrange(2,n) if m[i]]

我测试了它的速度，得到：

^{pr2}$

我假设，如果我把[1]和0改成布尔函数，它会运行得更快。。。但事实恰恰相反：

#n: t
#10**1: 7.31 μs
#10**2: 29.5 μs
#10**3: 297 μs
#10**4: 2.99 ms
#10**5: 29.9 ms
#10**6: 331 ms
#10**7: 3.7 s

为什么布尔人变慢了？在

Answer 1

发生这种情况是因为在Python2中，True和{}是作为全局变量查找的。0和1文本只是常量，通过快速数组引用查找，而全局变量则是全局命名空间中的字典查找（通过内置命名空间）：

>>> import dis
>>> def foo():
...     a = True
...     b = 1
... 
>>> dis.dis(foo)
  2           0 LOAD_GLOBAL              0 (True)
              3 STORE_FAST               0 (a)

  3           6 LOAD_CONST               1 (1)
              9 STORE_FAST               1 (b)
             12 LOAD_CONST               0 (None)
             15 RETURN_VALUE        

使用LOAD_GLOBAL字节码查找True值，而使用1字节码将1文本值复制到堆栈中。在

如果您生成True和False局部变量，则可以同样快速地使它们：

^{pr2}$

将True和False指定为for参数的默认值，使函数将这些名称作为局部变量，具有完全相同的值；同样使用简化版本：

>>> def bar(True=True, False=False):
...     True == False
... 
>>> dis.dis(bar)
  2           0 LOAD_FAST                0 (True)
              3 LOAD_FAST                1 (False)
              6 COMPARE_OP               2 (==)
              9 POP_TOP             
             10 LOAD_CONST               0 (None)
             13 RETURN_VALUE        

注意LOAD_FAST操作码，现在的索引与LOAD_CONST字节码相同；CPython函数中的局部变量与字节码常量一样存储在数组中。在

有了这种变化，使用布尔函数会胜出，尽管差距很小；我的时间安排：

# n      integers  globals  locals
# 10**1  4.31 µs   4.2 µs   4.2 µs
# 10**2  17.1 µs   17.3 µs  16.5 µs
# 10**3  147 µs    158 µs   144 µs
# 10**4  1.5 ms    1.66 ms  1.48 ms
# 10**5  16.4 ms   18.2 ms  15.9 ms
# 10**6  190 ms    215 ms   189 ms   
# 10**7  2.21 s    2.47 s   2.18 s

差别并不是很大，因为Python布尔函数只是一个int子类。在

请注意，在python3中，True和{}已经成为关键字，不能再赋值给它们，因此可以像对待整数文本一样对待它们。在