首页 > 文章 > python教程

Python局部变量访问为何更高效？

时间：2026-03-03 23:41:43 499浏览收藏

Python中局部变量访问之所以显著快于全局、自由或动态变量，根本原因在于其底层通过栈帧的fastlocals数组实现O(1)索引直取——编译期即确定偏移量，运行时仅需一次内存寻址，完全绕过字典哈希计算与键比对；而LOAD_GLOBAL、LOAD_DEREF等指令则需多次字典查找或间接引用，开销陡增，尤其在循环密集场景下性能差距可达15%～25%。但这一优势极为“脆弱”：一旦涉及属性访问（如self.x）、模块属性（如mod.func）、闭包变量或动态作用域操作（如exec/locals()），便会立即退化为低效查找——真正值得优先局部化的，是循环和高频路径中反复读写的确定性名称，而非盲目迁移变量；理解并善用这一机制，才能在不牺牲代码可读性的前提下精准优化关键路径。

Python 局部变量为何访问更快

局部变量查找走的是栈帧的快速索引，不是字典查找

Python 解释器在执行函数时会为它创建一个独立的栈帧（frame），其中局部变量不存于 __dict__ 或全局命名空间字典里，而是直接分配在栈帧对象的 f_locals 数组（实际是 C 层的 fastlocals）中。访问时通过固定偏移量直接取值，跳过了哈希计算和字典键比对。

这和全局变量或自由变量形成鲜明对比：全局变量要查 globals() 字典，自由变量（闭包中的外层变量）要查 cell 对象再间接取值，都涉及至少一次哈希查找。

LOAD_FAST 指令用于局部变量，底层是 C 数组下标访问
LOAD_GLOBAL 指令需调用 PyDict_GetItem，有哈希 + 键比较开销
哪怕只多一层作用域（比如嵌套函数里读外层变量），也触发 LOAD_DEREF，性能明显下降

使用 `dis` 能直观看到指令差异

你可以用 dis.dis() 查看字节码，确认变量是否走 LOAD_FAST：

import dis
<p>def f():
x = 1
return x + 1</p><p>dis.dis(f)</p><h1>输出中你会看到：</h1><h1>2           0 LOAD_CONST               1 (1)</h1><h1>2 STORE_FAST               0 (x)</h1><h1>4 LOAD_FAST                0 (x)</h1><h1>6 LOAD_CONST               1 (1)</h1><h1>8 BINARY_ADD</h1><h1>10 RETURN_VALUE</h1>

注意 STORE_FAST 和 LOAD_FAST 的操作数是数字索引（如 0），不是变量名字符串 —— 这就是编译期就确定好的位置。

如果变量被 exec、eval 或 locals() 动态读取，Python 会禁用 fastlocals，退化为字典查找
nonlocal 和 global 声明会让变量退出 fastlocal 范围，改用 LOAD_DEREF 或 LOAD_GLOBAL

循环内频繁访问变量，局部化收益最明显

在密集计算或长循环中，局部变量的访问优势会被放大。比如下面两段代码的实际耗时可能差 15%～25%：

# 慢：全局查找
LIMIT = 1000000
total = 0
for i in range(LIMIT):
    total += i * 2
<h1>快：提升到局部作用域</h1><p>def calc():
LIMIT = 1000000
total = 0
for i in range(LIMIT):
total += i * 2
return total</p>

这不是因为“局部变量本身更快”，而是因为循环体内的每次 i、LIMIT、total 访问都省掉了字典操作。