本文共 1528 字，大约阅读时间需要 5 分钟。

为机甲的计时API写了如下例程，想对比一下PC上的Python性能（注：作为性能测试非常粗糙，因为主要是想作最简单的演示之用）：

def 开始():    工具.计时器(常量.开始)    总耗时 = 0    次数 = 0    while 次数 < 10:        算三角函数()        工具.计时器(常量.暂停)        总耗时 = 工具.累计计时()        次数 += 1        print(总耗时 / 次数)def 算三角函数():    积 = 1.0    for 次数 in range(1, 1000):        for 角度 in list(range(1, 360)):            弧度 = 数学.弧度(角度)            积 *= 数学.正弦(弧度)**2 + 数学.余弦(弧度)**2    return 积

因为在PC的运行时间很短，因此当机甲的控制台许久没打出结果的时候，小意外，于是测了求弧度和求平方和两句的分别耗时，结果，竟然瓶颈完全不在这。

排除法，只剩下了循环体本身（完整源码）：

def 开始():    工具.计时器(常量.开始)    for 次数 in range(1, 501):        if 次数 % 100 == 0:            工具.计时器(常量.暂停)            print(str(次数) +": " + str(工具.累计计时()) + " seconds")            工具.计时器(常量.开始)    工具.计时器(常量.重置)

每100次空循环耗时0.56秒左右！虽然暂没写出实例，但这样的延时感觉会对运动控制算法产生不能忽视的影响。难怪上面的36万次循环会让它貌似宕机。

补：为避免循环体内的语句的影响，直接用pass，仍然一样，可见瓶颈在for循环：

试了while循环，也有类似延时。打算报告这个问题。

对比性能就不干了吗？决定还是继续试试。

于是，直接将两个循环展开，就是这样的上千行代码：

def 开始():    总耗时 = 0    工具.计时器(常量.开始)    结果 *= 算三角函数()    （真 -- 此处省去1000行代码）    结果 *= 算三角函数()    工具.计时器(常量.暂停)    总耗时 = 工具.累计计时()    print(str(总耗时) + " seconds, result : " + str(结果))def 算三角函数():    积 = 1.0    弧度 = 数学.弧度(1)    积 *= 数学.正弦(弧度)**2 + 数学.余弦(弧度)**2    弧度 = 数学.弧度(2)    积 *= 数学.正弦(弧度)**2 + 数学.余弦(弧度)**2    （真 -- 此处省去700行代码）    弧度 = 数学.弧度(358)    积 *= 数学.正弦(弧度)**2 + 数学.余弦(弧度)**2    弧度 = 数学.弧度(359)    积 *= 数学.正弦(弧度)**2 + 数学.余弦(弧度)**2    return 积

得出的结果还比较合理，不过也领教了移动计算平台和PC的差别。一方面有计算性能的差距：ARMv7-A Cortex A7 1.5 GHz（参考：）VS. Intel Core i7-2635QM @ 2.00GHz。另外，也许在编译器优化也有区别？

回头研究一下Python递归，虽然觉得例程里总用递归代替循环不现实。

转载地址：https://codeinchinese.blog.csdn.net/article/details/103050887 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！