Python 使用Dot方式访问效率分析

Python Import 效率对比

1、文件目录结构

├── JupyerMain.ipynb
├── module_a
│   ├── __init__.py
│   └── func_a.py
└── module_b
    ├── __init__.py
    └── class_func.py

2、文件内容

module_a.func_a.py

def func(a, b):
    return a, b

module_b.class_func.py

class B(object):
    @classmethod
    def func(cls, a, b):
        return a, b

3、测试文件及其结果

JupyerMain.ipynb

• 直接模块引入方法

  from module_a.func_a import func
  
  
  def test_func():
      func(1, 2)
  
  %timeit -n 1000000 test_func()
  

​ 129 ns ± 3.65 ns per loop (mean ± std. dev. of 7 runs, 1,000,000 loops each)

• 引入模块

  from module_a import func_a
  
  
  def test_func():
      func_a.func(1, 2)
  
  %timeit -n 1000000 test_func()
  

  159 ns ± 6.55 ns per loop (mean ± std. dev. of 7 runs, 1,000,000 loops each)

• 模块直接引入类（类方式）

  from module_b.class_func import B
  def test_func():
      B.func(1, 2)
  
  %timeit -n 1000000 test_func()
  

  183 ns ± 6.12 ns per loop (mean ± std. dev. of 7 runs, 1,000,000 loops each)

• 引入模块（类方式）

  from module_b import class_func
  
  
  def test_func():
      class_func.B.func(1, 2)
  
  %timeit -n 1000000 test_func()
  

  212 ns ± 6.03 ns per loop (mean ± std. dev. of 7 runs, 1,000,000 loops each)

• 引入后重新赋值方式

  from module_b import class_func
  B = class_func.B
  
  def test_func():
      B.func(1, 2)
  
  %timeit -n 1000000 test_func()
  

  187 ns ± 4.93 ns per loop (mean ± std. dev. of 7 runs, 1,000,000 loops each)

主要原因：python中使用dot符号访问对性能影响较大，在规范的前提下，应当尽可能避免使用dot访问