copy.copy与dataclasses.replace的区别

Question

据我所知，dataclasses.replace(x)和copy.copy(x)做同样的事情，只是它只有在x是dataclass时才起作用，并提供替换成员的能力。然而，我也注意到它的速度大约快了3倍。我现在很好奇为什么copy会慢这么多，以及这两个函数之间是否有其他应该考虑的差异。

import dataclasses
import time
import copy

@dataclasses.dataclass()
class X:
    x=1
    y=1
    z=1

x = X()

start = time.perf_counter()
for _ in range(100000):
    a = dataclasses.replace(x)
t1 = time.perf_counter() - start

start = time.perf_counter()
for _ in range(100000):
    a = copy.copy(x)
t2 = time.perf_counter() - start

print(t1)  # 0.4
print(t2)  # 1.2

Answer 1

正如Chris_Rands在他们的评论中提到的那样，copy.copy有相当多的额外逻辑来处理任意的Python对象-这些额外的逻辑很可能解释了速度上的差异。相比之下，dataclasses.replace只需进行几次检查就可以逃脱惩罚，因为该函数只需要为数据类工作。您可以在dataclasses.py和copy.py的源代码中看到dataclasses.replace比copy.copy (及其调用的函数)简单得多。

如果您查看copy.copy的源代码，您将注意到复制X对象的代码归结为以下内容。

def fastcopy(x):
    red = getattr(x,"__reduce_ex__")(4)
    return red[0](*red[1])

在没有额外检查的情况下，此fastcopy函数的性能似乎与dataclasses.replace相当。下面是我测试的完整代码，以及我得到的时间。

import dataclasses
import time
import copy

def fastcopy(x):
    red = getattr(x,"__reduce_ex__")(4)
    return red[0](*red[1])

@dataclasses.dataclass()
class X:
    x=1
    y=1
    z=1

x = X()

start = time.perf_counter()
for _ in range(100000):
    a = dataclasses.replace(x)
t1 = time.perf_counter() - start

start = time.perf_counter()
for _ in range(100000):
    a = fastcopy(x)
t2 = time.perf_counter() - start

print(t1) # 0.1
print(t2) # 0.1