1. 问题背景
在 Python 中，我们可以通过 = 和 = … 完成累加操作，在实际开发过程中我们一般会优先选择 =，然而最近在对比 = 和 = … 的性能时出现了 = 反而更慢的现象。因此，我们决定对此问题进行深入探讨。
2. 解决方案
为了准确地评估 = 和 = … 的性能差异，我们编写了一个简单的测试脚本，封装了两个函数并使用 timeit 测试模块来测量它们的执行时间。
代码语言：python代码运行次数：0复制def testAccumPlusEqual():
x = 0
for i in range(100):
x = 1
return x
def testAccumEqualPlus():
x = 0
for i in range(100):
x = x 1
return x
if __name__ == '__main__':
import timeit
print(timeit.repeat("testAccumPlusEqual()",
setup="from __main__ import testAccumPlusEqual"))
print(timeit.repeat("testAccumEqualPlus()",
setup="from __main__ import testAccumEqualPlus"))测试结果显示，在我们的测试环境下，= … 比 = 的执行速度更快。为了进一步探究原因，我们使用 dis 模块来查看这两个函数的字节码：
代码语言：python代码运行次数：0复制>>> import dis
>>> dis.dis(testAccumEqualPlus)
2 0 LOAD_CONST 1 (0)
3 STORE_FAST 0 (x)
3 6 SETUP_LOOP 30 (to 39)
9 LOAD_GLOBAL 0 (range)
12 LOAD_CONST 2 (100)
15 CALL_FUNCTION 1
18 GET_ITER
>> 19 FOR_ITER 16 (to 38)
22 STORE_FAST 1 (i)
4 25 LOAD_FAST 0 (x)
28 LOAD_CONST 3 (1)
31 BINARY_ADD
32 STORE_FAST 0 (x)
35 JUMP_ABSOLUTE 19
>> 38 POP_BLOCK
5 >> 39 LOAD_FAST 0 (x)
42 RETURN_VALUE
>>> dis.dis(testAccumPlusEqual)
2 0 LOAD_CONST 1 (0)
3 STORE_FAST 0 (x)
3 6 SETUP_LOOP 30 (to 39)
9 LOAD_GLOBAL 0 (range)
12 LOAD_CONST 2 (100)
15 CALL_FUNCTION 1
18 GET_ITER
>> 19 FOR_ITER 16 (to 38)
22 STORE_FAST 1 (i)
4 25 LOAD_FAST 0 (x)
28 LOAD_CONST 3 (1)
31 INPLACE_ADD
32 STORE_FAST 0 (x)
35 JUMP_ABSOLUTE 19
>> 38 POP_BLOCK
5 >> 39 LOAD_FAST 0 (x)
42 RETURN_VALUE结果表明， = 使用 INPLACE_ADD 指令，而 = … 使用 BINARY_ADD 指令。两者之间的区别在于，INPLACE_ADD 会直接修改操作数的值，而 BINARY_ADD 则会创建一个新的对象。因此， = 操作需要花费更多的时间来更新操作数的值。
综合以上分析，我们可以得出结论，在 Python 中，= … 比 = 的执行速度更快，原因在于 = 使用 INPLACE_ADD 指令，直接修改操作数的值，而 = … 使用 BINARY_ADD 指令，创建一个新的对象。
