在Python中比较性能：相等与不相等
比较任何变量时，可以选择比较平等与比较不平等。 对于有一个元素的变量，不是字符串/列表/元组/等等，差异可能不存在或可以忽略不计。
问题：比较两个多元变量时，比较它们是否相等比较是否相等比较是否相等。
我的直觉告诉我，比较他们是否不平等应该会更快。 我很好奇，如果有人能告诉我这是否属实，并且这是多种类型的多元素类型。
注意 ：我看过，并没有在这里找到任何回复我的问题的帖子。 这可能很明显，但我希望有更多的意见，而不仅仅是我自己的意见。
你总是可以检查：
>>> timeit("{'a': 1, 'b': 2} == {'a': 2, 'b': 1}")
0.29072967777517983
>>> timeit("{'a': 1, 'b': 2} != {'a': 2, 'b': 1}")
0.2906114293159803
差异似乎可以忽略不计...另一个测试案例可能？
>>> timeit("range(30) == range(35)")
0.7179841181163837
>>> timeit("range(30) != range(35)")
0.725536848004765
再次，可以忽略不计。
>>> timeit("a == b", "a = {'a': 1, 'b': 2}; b = {'a': 2, 'b': 1}")
0.06806470555693522
>>> timeit("a != b", "a = {'a': 1, 'b': 2}; b = {'a': 2, 'b': 1}")
0.06724365965146717
并且将对象创建移出。 虽然很小的例子，但我仍然可以想象，当它们变得明显不同时，它们都会在适当的时候使用短路。
我认为它直接与object.__eq__()和object.__ne__ 。
当您使用== （等于）或!= （不等于）时，此方法会启动，并且在您要比较的对象的函数中，根据写入方法的不同，该方法可能会更快或更慢。
请参阅官方文档中的Datamodel Basic定制。
我对某些Cortex M3程序集（或者至少我的教授说这就是它）的经验是，当你检查相等或不相等时，有一个比较命令设置3位，一个if语句（如果可以的话）称之为），它看着一个特定的。 基本上，你比较A和B ，3比特是更小，等于和更大，然后当你检查任何东西时，它应该检查它是大于还是小于（2检查，所以2个周期）不等于，或者应用不等于等于标志，这取决于体系结构可能是2种不同的行为或单个周期。 因此我推测这取决于编译器，汇编器和CPU的架构。
然而，这应该意味着你可以制作两个程序，每个程序都会进行大量的这种检查，并且执行时间很长，其中巨大的时间会碰到成千上万（根据C / C ++中的执行时间来判断）。 在我看来，这是一个相当可行的任务，可以手动计时，所以你不会混淆定时器，而且由于定时器在许多语言中都具有某些精度，所以它们可能甚至不能捕获单个执行时间声明。 或者你可以计算巨大的循环，看看计算机说什么。
但请记住，如果您在不等于循环中获得1.1倍的时间，这并不意味着不平等需要1.1倍的平均检查时间，因为循环有更大的循环，它可能是时间的两倍。 随着更多的测试每循环更多的检查，应该很容易确定循环花费的时间和花费在检查上的时间。 希望这可以帮助。
链接地址: http://www.djcxy.com/p/10047.html上一篇: Comparing Performance in Python: equal versus non equal