В два раза быстрее, чем бит-сдвиг, для целых чисел Python 3.x?
Я смотрел на источникsorted_containers и был удивлен, увидевэта линия:
self._load, self._twice, self._half = load, load * 2, load >> 1
Вотload
является целым числом Зачем использовать битовый сдвиг в одном месте, а умножение в другом? Представляется разумным, что сдвиг битов может быть быстрее, чем интегральное деление на 2, но почему бы не заменить умножение также на сдвиг? Я сравнил следующие случаи:
и обнаружил, что # 3 постоянно быстрее, чем другие альтернативы:
# self._load, self._twice, self._half = load, load * 2, load >> 1
import random
import timeit
import pandas as pd
x = random.randint(10 ** 3, 10 ** 6)
def test_naive():
a, b, c = x, 2 * x, x // 2
def test_shift():
a, b, c = x, x << 1, x >> 1
def test_mixed():
a, b, c = x, x * 2, x >> 1
def test_mixed_swapped():
a, b, c = x, x << 1, x // 2
def observe(k):
print(k)
return {
'naive': timeit.timeit(test_naive),
'shift': timeit.timeit(test_shift),
'mixed': timeit.timeit(test_mixed),
'mixed_swapped': timeit.timeit(test_mixed_swapped),
}
def get_observations():
return pd.DataFrame([observe(k) for k in range(100)])
Вопрос:
Мой тест действителен? Если так, почему (умножение, сдвиг) быстрее, чем (сдвиг, сдвиг)?
Я запускаю Python 3.5 на Ubuntu 14.04.
редактировать
Выше оригинальное изложение вопроса. Дэн Гетц дает превосходное объяснение в своем ответе.
Для полноты картины, вот примеры иллюстраций для большегоx
когда оптимизации умножения не применяются.