Python统计操作次数代码问题排查：我的实现哪里出错了？

核心问题 #

你的count_operations只能统计Python字节码层面的算术操作，但numpy.linalg.solve是C语言实现的底层函数，它的运算逻辑不会生成Python字节码。dis.get_instructions(solve_system)只能看到solve_system本身的Python字节码（比如变量赋值、函数调用、返回值），完全触不到numpy内部的运算，自然得不到预期结果。

另外代码还有个基础错误：没导入numpy模块，运行会报NameError: name 'np' is not defined，需要补充import numpy as np。

具体原因拆解 #

• dis模块仅能解析Python函数编译后的字节码指令，比如LOAD_NAME、CALL_FUNCTION这类，无法深入到C扩展实现的逻辑中。
• solve_system的Python字节码里根本没有ADD/SUB等算术操作，它只是完成了加载函数、调用函数、返回结果的步骤，所以统计结果必然为0或远小于预期。
• numpy的线性代数求解逻辑在C扩展中执行，完全脱离Python字节码流程，dis无法获取这部分运算细节。

可行改进方向 #

如果想统计线性方程组求解的实际运算次数，有两种思路：

• 手动推导计算量：n阶线性方程组的LU分解等算法有固定运算量公式（如2/3n³ + O(n²)），可根据矩阵维度直接计算。
• 改用纯Python实现求解逻辑：如果一定要用dis统计，需把求解逻辑用纯Python代码写出（比如手动实现高斯消元），这样dis才能捕获到里面的算术操作字节码。

纯Python实现示例（用于测试统计） #

import dis

def count_operations(f):
    operations = 0
    for op in dis.get_instructions(f):
        if op.opname in ('ADD', 'SUB', 'MULT', 'DIV', 'MOD'):
            operations += 1
    return operations

def gaussian_elimination(A, b):
    n = len(b)
    # 构造增广矩阵
    aug = [A[i] + [b[i]] for i in range(n)]
    
    for i in range(n):
        # 找主元行
        max_row = max(range(i, n), key=lambda k: abs(aug[k][i]))
        aug[i], aug[max_row] = aug[max_row], aug[i]
        
        # 归一化主元行
        pivot = aug[i][i]
        for j in range(i, n+1):
            aug[i][j] /= pivot
        
        # 消去其他行
        for k in range(n):
            if k != i and aug[k][i] != 0:
                factor = aug[k][i]
                for j in range(i, n+1):
                    aug[k][j] -= factor * aug[i][j]
    
    x = [row[-1] for row in aug]
    return x

A = [[2, 3], [3, 4]]
b = [8, 11]

operations = count_operations(gaussian_elimination)
print(f'Number of operations: {operations}')

内容的提问来源于stack exchange，提问作者mike