为何sum函数使用自定义类实例作为start参数时速度更慢？

测试案例与结果 #

案例1：自定义类实例作为start参数 #

source = """
class A:
    def __init__(self, a):
        self.a = a
    
    def __add__(self, other):
        return self.a + other;

sum([*range(10000)], start=A(10))
"""

import timeit
print(timeit.timeit(stmt=source))

测试耗时：约192.607秒

案例2：int类型作为start参数 #

source = """
class A:
    def __init__(self, a):
        self.a = a
    
    def __add__(self, other):
        return self.a + other;

sum([*range(10000)], start=10)
"""

import timeit
print(timeit.timeit(stmt=source))

测试耗时：约111.483秒

系统信息：

>>> import platform
>>> platform.platform()
'macOS-12.5-arm64-arm-64bit'
>>> import sys
>>> sys.version
'3.11.0 (v3.11.0:deaf509e8f, Oct 24 2022, 14:43:23) [Clang 13.0.0 (clang-1300.0.29.30)]'

性能差异的核心原因 #

• 内置类型的底层优化
  CPython的sum函数对int等内置数值类型做了深度优化，核心累加逻辑用C语言实现，直接执行高效的底层整数加法，完全跳过Python层面的函数调用开销。

• 自定义类的方法调用开销
  当start是自定义类A的实例时，每一次累加都需要触发Python层面的__add__方法调用：包括属性查找（self.a）、栈帧创建、参数传递、返回值处理等操作，这些步骤的耗时远高于C级别的内置操作。

• 优化路径的触发条件
  sum函数会根据start的类型选择执行路径：只有当start是内置数值类型时，才会启用专门的快速累加分支；如果是自定义对象，只能走通用的对象加法逻辑，无法利用任何针对内置类型的优化。

即使你的__add__最终返回int，但因为初始start是自定义实例，sum全程都无法切换到快速路径，只能持续执行Python层面的加法逻辑，这就是性能差距的根源。

内容的提问来源于stack exchange，提问作者user459872