Python: способ ускорить многократно выполненное выражение eval?

В моем коде я использую eval для оценки строкового выражения, заданного пользователем. Есть ли способ скомпилировать или иным образом ускорить это утверждение?

import math
import random

result_count = 100000
expression = "math.sin(v['x']) * v['y']"

variable = dict()
variable['x'] = [random.random() for _ in xrange(result_count)]
variable['y'] = [random.random() for _ in xrange(result_count)]

# optimize anything below this line

result = [0] * result_count

print 'Evaluating %d instances of the given expression:' % result_count
print expression

v = dict()
for index in xrange(result_count):
    for name in variable.keys():
        v[name] = variable[name][index]
    result[index] = eval(expression) # <-- option ONE
    #result[index] = math.sin(v['x']) * v['y'] # <-- option TWO

Для быстрой опции сравнения ONE занимает 2,019 секунды на моей машине, а опция TWO занимает всего 0,218 секунды. Конечно, у Python есть способ сделать это без жесткого кодирования выражения.

Ответ 1

Вы также можете обмануть python:

expression = "math.sin(v['x']) * v['y']"
exp_as_func = eval('lambda: ' + expression)

И затем используйте его так:

exp_as_func()

Тест скорости:

In [17]: %timeit eval(expression)
10000 loops, best of 3: 25.8 us per loop

In [18]: %timeit exp_as_func()
1000000 loops, best of 3: 541 ns per loop

В качестве побочного примечания, если v не является глобальным, вы можете создать лямбда следующим образом:

exp_as_func = eval('lambda v: ' + expression)

и назовите его:

exp_as_func(my_v)

Ответ 2

Вы можете избежать накладных расходов путем компиляции выражения заранее, используя compiler.compile():

In [1]: import math, compiler

In [2]: v = {'x': 2, 'y': 4}

In [3]: expression = "math.sin(v['x']) * v['y']"

In [4]: %timeit eval(expression)
10000 loops, best of 3: 19.5 us per loop

In [5]: compiled = compiler.compile(expression, '<string>', 'eval')

In [6]: %timeit eval(compiled)
1000000 loops, best of 3: 823 ns per loop

Просто убедитесь, что вы выполняете компиляцию только один раз (вне цикла). Как упоминалось в комментариях, при использовании eval для строк, представленных пользователем, убедитесь, что вы очень осторожно относитесь к тому, что вы принимаете.

Ответ 3

Я думаю, что вы оптимизируете неправильный конец. Если вы хотите выполнить одну и ту же операцию для большого количества чисел, вам следует использовать numpy:

import numpy
import time
import math
import random

result_count = 100000
expression = "sin(x) * y"

namespace = dict(
    x=numpy.array(
        [random.random() for _ in xrange(result_count)]),
    y=numpy.array(
        [random.random() for _ in xrange(result_count)]),
    sin=numpy.sin,
)
print ('Evaluating %d instances '
       'of the given expression:') % result_count
print expression

start = time.time()
result = eval(expression, namespace)
numpy_time = time.time() - start
print "With numpy:", numpy_time


assert len(result) == result_count
assert all(math.sin(a) * b == c for a, b, c in
           zip(namespace["x"], namespace["y"], result))

Чтобы дать вам представление о возможном усилии, я добавил вариант, используя общий питон и лямбда-трюк:

from math import sin
from itertools import izip

start = time.time()
f = eval("lambda: " + expression)
result = [f() for x, y in izip(namespace["x"], namespace["y"])]
generic_time = time.time() - start
print "Generic python:", generic_time
print "Ratio:", (generic_time / numpy_time)

Вот результаты на моей стареющей машине:

$ python speedup_eval.py 
Evaluating 100000 instances of the given expression:
sin(x) * y
With numpy: 0.006098985672
Generic python: 0.270224094391
Ratio: 44.3063992807

Ускорение не так высоко, как я ожидал, но все же значителен.