LeetCode 1860题：两段相似Python代码运行耗时差异原因咨询

我发现两段解决LeetCode 1860《Incremental Memory Leak》问题的Python代码逻辑相似、输出完全一致，但在对1-1000间的随机输入各运行100万次后，第一段耗时2.53秒，第二段耗时28.8秒，以下是具体原因分析：

第一段代码 #

def memLeak1(self, memory1: int, memory2: int):
        i = 1;
        while memory2 >= 0 and memory1 >= 0:
            if memory1 >= memory2:
                if memory1 >= i:
                    memory1 -= i;
                else:
                    break;
            else:
                if memory2 >= i:
                    memory2 -= i;
                else:
                    break;
            i += 1;

        return [i,memory1,memory2];

第二段代码（注：推测存在粘贴笔误，正确逻辑应将i += 1放入循环体内，否则输出无法与第一段一致） #

def memLeak2(self, memory1: int, memory2: int):
        i = 1
        while memory1 >= i or memory2 >= i:
            if memory1 >= memory2:
                memory1 -= i
            else:
                memory2 -= i
            i += 1  # 修正后位置

        return [i, memory1, memory2]   

核心性能差异原因 #

1. 循环条件的判断开销差异

   • 第一段的循环条件是memory2 >= 0 and memory1 >= 0，由于代码逻辑保证内存值只会被减去不超过自身的正数，内存永远不会为负，这个条件等价于while True，每次判断仅需两次变量与常数0的比较，速度极快。
   • 第二段的循环条件是memory1 >= i or memory2 >= i，每次需要执行两次变量与变量i的比较，再进行一次或运算。变量间的比较开销远高于变量与常数的比较，且i不断递增，每次都要从局部变量中取值，进一步增加了判断耗时。

2. 循环终止时机的判断逻辑

   • 第一段在循环内部直接判断当前内存是否足够分配i，一旦不足立即break终止循环，无需再执行下一轮循环条件判断。
   • 第二段依赖循环条件本身来终止，每次循环都要先判断两个内存与i的大小关系，即使某次分配后已经无法继续分配，仍需完成一次完整的循环条件判断才能停止。

当运行次数达到100万次时，这些单次循环的微小耗时差异会被无限放大，最终导致两段代码的总耗时出现10倍以上的差距。

内容的提问来源于stack exchange，提问作者Kidtrixer