`locals（）`のアクセスできない `.0`変数がメモリやパフォーマンスに影響しますか？

Question

は、私は次のように関数定義を持つプロジェクトを維持：

def f(a, (b1, b2), c): 
    print locals() 

私は.1キーが値(b1, b2)と、locals()に登場したことを発見したコードをデバッグしている間。

def f((a1, a2)): 
    print locals() 

値(a1, a2)とlocals()で.0キーを持っています。簡単なチェックは、次のような関数定義があることを明らかにしました。私はこの動作に驚いていましたが、Pythonのドキュメントには何の情報も見つかりませんでした。

私の質問は次のとおりです。そうでなければアクセスできない位置変数はメモリやパフォーマンスに影響しますか？彼らはどこに文書化されていますか？彼らはどのような目的を果たしていますか？

問題のプロジェクトはSAXベースのfeedparserであり、この動作の影響を受ける可能性のある数十または数百の関数呼び出しを持つ可能性があります。

Answer 1

したがってpep 3113は、芸術的ガスパンが指摘しているように、完全な答えを含んでいます。これは、おそらくこれが大きなパターンではない理由の一覧です。これらのうちの1つは、デバッグの厄介な副作用で発見しました。より大きなものは、あなたのコードがpython3への移行を壊すと思うが、私はまだ/個人的には2.7であるとは思えない。

私は何が起こったかで遊びたがっていました。 （：fooとbar同じバイトコードを持っているスポイラー）：

from dis import dis 

def foo(a, (b, c) ,d): 
    return a + b + c + d 

def bar(a, b_c, d): 
    b, c = b_c 
    return a + b + c + d 

def baz(a, b, c, d): 
    return a + b + c + d 

print '\nfoo:' 
dis(foo) 
print '\nbar:' 
dis(bar) 
print '\nbaz:' 
dis(baz) 

収量：

foo: 
    3   0 LOAD_FAST    1 (.1) 
       3 UNPACK_SEQUENCE   2 
       6 STORE_FAST    3 (b) 
       9 STORE_FAST    4 (c) 

    4   12 LOAD_FAST    0 (a) 
      15 LOAD_FAST    3 (b) 
      18 BINARY_ADD   
      19 LOAD_FAST    4 (c) 
      22 BINARY_ADD   
      23 LOAD_FAST    2 (d) 
      26 BINARY_ADD   
      27 RETURN_VALUE   


bar: 
    7   0 LOAD_FAST    1 (b_c) 
       3 UNPACK_SEQUENCE   2 
       6 STORE_FAST    3 (b) 
       9 STORE_FAST    4 (c) 

    8   12 LOAD_FAST    0 (a) 
      15 LOAD_FAST    3 (b) 
      18 BINARY_ADD   
      19 LOAD_FAST    4 (c) 
      22 BINARY_ADD   
      23 LOAD_FAST    2 (d) 
      26 BINARY_ADD   
      27 RETURN_VALUE   


baz: 
11   0 LOAD_FAST    0 (a) 
       3 LOAD_FAST    1 (b) 
       6 BINARY_ADD   
       7 LOAD_FAST    2 (c) 
      10 BINARY_ADD   
      11 LOAD_FAST    3 (d) 
      14 BINARY_ADD   
      15 RETURN_VALUE   

あなたが見ることができるように、我々はこれらの三つの機能で何が起こるかを見ることができますいくつかの分解されたバイトコードとして探しています。 fooとbarは同じですが、bazはアンパックをスキップします。これはパフォーマンスに少し影響を与えますが、タプルのアンパックが必要な場合に限り、非常に小さな関数やおもちゃの例（このようなもの; P）以外は無視してください。

Answer 2

はい、パフォーマンスに影響します。

>>> import timeit 
>>> 
>>> 
>>> def function_1(a, (b1, b2), c): 
...  locals() 
... 
>>> def function_2(a, b1, b2, c): 
...  locals() 
... 
>>> 
>>> object_1 = object() 
>>> object_2 = object() 
>>> object_3 = object() 
>>> tuple_of_objects_2_and_3 = (object_2, object_3) 
>>> object_4 = object() 
>>> 
>>> n = 100000000 
>>> 
>>> time_1 = timeit.timeit(lambda: function_1(object_1, tuple_of_objects_2_and_3, 
...           object_4), 
...      number=n) 
>>> time_2 = timeit.timeit(lambda: function_2(object_1, object_2, object_3, 
...           object_4), 
...      number=n) 
>>> 
>>> print(time_1, time_2) 
(170.2440218925476, 151.92010402679443) 

ドキュメントまたは目的についてはわかりません。