Python 함수 지역 변수는 어떻게 실행되나요? Python 함수 변수 적용에 대한 간략한 분석

이 기사에서 제공하는 내용은 Python 함수의 로컬 변수를 실행하는 방법입니다. Python 함수 변수의 응용에 대한 간략한 분석은 특정 참고 가치가 있습니다. 도움이 필요한 친구가 참고할 수 있기를 바랍니다.

머리말

이틀간 CodeReview에 있을 때 이런 코드를 봤습니다

# 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
        ...

의도는 매우 간단합니다. 즉, somelib.get_all_projects에서 얻은 프로젝트를 self.project_code_to_name 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：

1. func: 传入的 test;

2. pp_stack: 近似理解调用栈 (py方式);

3. na: 位置参数个数;

4. nk: 关键字个数;

5. n = na + 2 * nk;

那么下一步就看看 fast_function 要做什么吧。

初始化一波

1. 定义 co 来存放 test 对象里面的 func_code

2. 定义 globals 来存放 test 对象里面的 func_globals (字典)

3. 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

1. 用 当前线程状态、co 、globals 来新建栈对象 f;

2. 定义fastlocals  ( fastlocals = f->f_localsplus; );

3. 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

그러나 최적화의 여지가 있다는 인상을 받았기 때문에 조정 계획을 제안했습니다: 🎜

// fast_function 函数

fastlocals = f->f_localsplus;
stack = (*pp_stack) - n;

 for (i = 0; i 🎜계획은 매우 간단합니다. 즉, 먼저 로컬 변수 <code>project_code_to_name</code>을 선택한 다음 <code>self.project_code_to_name</code>에 값을 할당합니다. 🎜🎜후속 테스트에서 이것이 더 낫다는 것을 알았습니다. 이제 결과가 알려졌으니 다음에는 그 이유를 꼭 살펴보고 싶습니다! 🎜🎜🎜로컬 변수🎜🎜🎜사실 인터넷의 여러 곳, 심지어 많은 책에서도 언급되는 관점이 있습니다. 🎜로컬 변수에 액세스하는 것이 훨씬 빠릅니다🎜 언뜻 보기에 말이 되는 것 같습니다. 그러다가 아래 글을 봤는데, 테스트 데이터가 많네요. 뭔지는 모르겠지만 정말 멋지네요. 걱정하지 마세요. 🎜🎜그러나 사실 이 견해에는 여전히 일정한 한계가 있으며 보편적으로 적용 가능하지는 않습니다. 그럼 먼저 이 문장을 이해하고 왜 모두가 이 문장을 좋아하는지 알아보겠습니다. 🎜🎜지역 변수가 무엇인지 이해하려면 먼저 코드를 살펴보세요. 🎜<pre class="brush:php;toolbar:false"># CALL_FUNCTION
  5           0 LOAD_CONST               1 ('test')
              3 STORE_FAST               1 (c)

# 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)

// 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

🎜지역 변수가 무엇인지 이해하려면 Python 함수와 지역 변수 사이의 애증에 대해 이야기해야 합니다. 🎜🎜심심하지 않게 위의 코드로 설명하자면, 🎜test🎜 함수로 실행되는 🎜dis🎜 분석은 🎜

22 LOAD_FAST                1 (c)

🎜 입니다. a, b, c는 명령 블록에 해당하는 것을 볼 수 있습니다. 각 블록의 첫 번째 줄은 이름에서 알 수 있듯이 이러한 변수를 가져온 위치를 나타냅니다. 🎜🎜LOAD_GLOBAL은 의심할 여지없이 전역적이지만 LOAD_FAST는 도대체 무엇인가요? LOAD_LOCAL로 불러야 할 것 같죠? 🎜🎜그러나 진실은 너무나 마술적이어서 실제로는 LOAD_FAST라고 불립니다. 지역 변수는 fastlocals라는 배열에서 읽혀지기 때문에 이름도 그렇게 불립니다( 추측합니다). 🎜🎜이제 주인공이 왔으니 이것을 이해하는데 집중해야 합니다. 왜냐하면 이것은 정말 흥미롭기 때문입니다. 🎜🎜🎜파이썬 함수 실행🎜🎜🎜파이썬 함수의 구성과 연산은 복잡하다고 할 수도 있고 간단하다고 할 수도 있습니다. 함수나 메소드 등 여러 가지 상황을 구분해야 하고, 매개변수가 있는지 없는지 구분해야 하기 때문입니다. 가변 길이 매개변수가 있나요? 주요 매개변수가 있나요? 🎜🎜모든 것을 자세히 설명하는 것은 불가능하지만 일반적인 프로세스를 간략하게 설명할 수 있습니다(매개변수 변경 세부 사항 무시): 🎜🎜🎜🎜강을 따라 쭉 내려가세요 fast_function에 대한 호출은 다음과 같습니다. 🎜

# 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;
}

🎜매개변수 설명: 🎜

1. 🎜func: Incoming test ;🎜
2. 🎜pp_stack: 호출 스택에 대한 대략적인 이해(py 모드);🎜
3. 🎜na: 위치 매개변수 수;🎜
4. 🎜nk: 키워드 수;🎜
5. 🎜n = na + 2 * nk;🎜

🎜그런 다음 다음 단계는 fast_function이 Bar에서 수행해야 하는 작업을 확인하는 것입니다. . 🎜🎜wave 초기화🎜

1. 🎜co를 정의하여 func_code를 테스트 개체에 저장합니다🎜
2. 🎜전역 정의 테스트 개체에 func_globals(사전)를 저장하려면🎜
3. 🎜인수 정의를 정의하여 func_defaults(함수 빌드 시 기본 키워드 매개변수)를 테스트에 저장하세요. object Value)🎜

🎜 argdefs가 비어 있는지 && 전달된 위치 매개변수 수 == 함수가 실행될 때 위치 매개변수 수 정의되었습니다 && 키워드 매개변수가 전달되지 않았습니다🎜🎜Then🎜

1. 🎜현재 스레드 상태 사용, co, globals를 사용하여 새 스택 개체 f를 생성합니다.🎜
2. 🎜 fastlocals 정의 code> ( fastlocals = f->f_localsplus; );🎜
3. 🎜 fastlocals🎜

🎜에 전달된 모든 매개변수를 입력하세요. 그런 다음 질문 온다, 어떻게 연결하나요? 어떤 고스트 매개변수가 전달되었는지 확인하는 방법: 이 질문은 dis로만 답변할 수 있습니다. 🎜🎜우리는 이 단계가 CALL_FUNCTION에서 수행된다는 것을 알고 있으므로 매개변수는 다음과 같습니다. 연결됨 이 작업은 이 이전에 수행되어야 하므로: 🎜

class SS(object):
    def __init__(self):
        self.fuck = {}

    def test(self):
        print self.fuck

🎜 CALL_FUNCTION에서 30 LOAD_CONST를 볼 수 있습니다. 몇 가지 매개변수를 전달하면 전달된 매개변수가 순서대로 로드되는 것을 확인할 수 있습니다. <code>LOAD_CONST 를 통해 매개변수를 찾는 방법에 대한 문제가 분명해집니다.

// 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)

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。

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：

理解python的全局变量和局部变量

python函数局部变量用法实例分析

详解Python的局部变量和全局变量使用难点

위 내용은 Python 함수 지역 변수는 어떻게 실행되나요? Python 함수 변수 적용에 대한 간략한 분석의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!