Pythonでも同じかどうかはわかりません。
誰もそれを試したことがありますか?
どちらのステートメントに対しても python が実行する作業に違いはほとんどありません。
>>> import dis
>>> def inplace_add():
... a = 0
... a += 1
...
>>> def add_and_assign():
... a = 0
... a = a + 1
...
>>> dis.dis(inplace_add)
2 0 LOAD_CONST 1 (0)
3 STORE_FAST 0 (a)
3 6 LOAD_FAST 0 (a)
9 LOAD_CONST 2 (1)
12 INPLACE_ADD
13 STORE_FAST 0 (a)
16 LOAD_CONST 0 (None)
19 RETURN_VALUE
>>> dis.dis(add_and_assign)
2 0 LOAD_CONST 1 (0)
3 STORE_FAST 0 (a)
3 6 LOAD_FAST 0 (a)
9 LOAD_CONST 2 (1)
12 BINARY_ADD
13 STORE_FAST 0 (a)
16 LOAD_CONST 0 (None)
19 RETURN_VALUE
違いは aINPLACE_ADD
と aBINARY_ADD
です。
結果のタイミングは近すぎて、どちらが速いかを判断できません。
>>> import timeit
>>> timeit.timeit('inplace_add', 'from __main__ import inplace_add', number=10000000)
0.32667088508605957
>>> timeit.timeit('add_and_assign', 'from __main__ import add_and_assign', number=10000000)
0.34172606468200684
したがって、Python では、違いはごくわずかです。ご心配なく。
いいえ
>>> bar = timeit.Timer("a += 1", "a = 0")
>>> bar.timeit(number=1000000)
0.064391136169433594
>>> bar = timeit.Timer("a = a + 1", "a = 0")
>>> bar.timeit(number=1000000)
0.064393997192382812
>>>
ええ、でも違いはわずかです。
>>> timeit.Timer('x += 1', 'x = 0').timeit(10**8)
5.7387330532073975
>>> timeit.Timer('x = x + 1', 'x = 0').timeit(10**8)
6.04801607131958
>>> timeit.Timer('x += 1', 'x = 0').timeit(10**8)
5.790481090545654
>>> timeit.Timer('x = x + 1', 'x = 0').timeit(10**8)
6.083467960357666
cProfile
モジュールを使用して、少し異なるアプローチを取りました。
$ python -m cProfile test.py
4 function calls in 0.397 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 0.397 0.397 test.py:2(<module>)
1 0.205 0.205 0.205 0.205 test.py:2(add1)
1 0.192 0.192 0.192 0.192 test.py:6(add2)
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
aaron@zebrafish:~/pyad$ cat test.py
def add1(a):
for x in xrange(10 ** 6):
a += 1
def add2(a):
for x in xrange(10 ** 6):
a = a + 1
add1(0)
add2(0)
約 20 回実行した後、add2 ( を使用a = a + 1
) が非常にわずかに高速であると結論付けましたが、すべての場合ではありませんでした (おそらく、より多くのループで試してみてください)。これはおそらく最良のヒューリスティックではありませんが、より大きな数でより多くの繰り返しを行うと、パフォーマンスの違いが示されるはずです。
編集 - 10 ** 9 回の呼び出しの結果:
1 216.119 216.119 216.119 216.119 test.py:2(add1)
1 195.364 195.364 195.364 195.364 test.py:6(add2)