Python位置参数与关键字参数的性能差异及底层原理分析

你测试得到的耗时排序完全符合CPython的参数处理逻辑，速度从快到慢为 调用1 > 调用2 > 调用3 > 调用4 > 调用5，背后的核心差异来自CPython运行时参数绑定阶段的不同处理流程。

各调用耗时差异的底层原因 #

CPython的函数参数绑定逻辑完全在运行时执行（因Python动态特性，编译期无法确定函数签名是否会被替换、装饰器修改，无相关编译优化），不同传参方式的开销差异如下：

• 调用1（fun1(1,2,3)）最快：所有参数都是位置参数，调用时直接按顺序压入调用栈，函数帧拿到参数后直接按索引取值，不需要做任何名称匹配、额外校验，开销最小。
• 调用2（fun2(1,2,3)）略慢于调用1：fun2定义了仅限位置参数a和带默认值的参数c，参数绑定阶段需要多做两步操作：校验传入位置参数数量是否符合最低要求、匹配未传参数的默认值，因此比无默认值的全位置参数调用开销略高。
• 调用3（fun2(1,2,c=3)）慢于调用2：只要传入关键字参数，CPython就需要先把关键字参数打包为临时键值对结构，在绑定阶段逐个匹配函数定义的参数名，同时校验参数是否重复、是否存在无效参数名，单关键字参数会带来固定的匹配开销。
• 调用4（fun2(1,b=2,c=3)）慢于调用3：关键字参数的匹配开销和关键字数量正相关，2个关键字参数需要多做一次名称匹配校验，因此耗时更高。
• 调用5（fun2(1,2,*d)）耗时最高：动态参数解包（包括*解包可迭代对象为位置参数、**解包字典为关键字参数）无法在编译期做任何预校验，运行时需要额外执行：遍历解包对象、校验解包内容合法性、合并到已传入的位置/关键字参数队列、避免参数冲突，这类操作的开销远高于静态传参。

更高开销的典型场景 #

还有两类传参场景会带来比上述测试更明显的性能损耗：

1. 函数定义使用*args + **kwargs接收任意参数：参数绑定阶段不会做参数名匹配直接打包到args和kwargs中，但如果函数内部需要从kwargs中按键取值，会额外增加字典查询开销；如果同时混用静态传参+动态解包，还会多出参数合并的开销。
2. 大量关键字参数+多层**解包混用：比如函数有10个以上参数，调用时部分传关键字、部分来自2个以上字典的**解包，运行时需要多次遍历字典、校验参数冲突，开销会线性上升。

注：这类差异的绝对耗时非常小，只有在单函数被调用千万次以上的场景才会体现出可感知的差异，普通业务开发完全不需要为此调整写法。

内容的提问来源于stack exchange，提问作者Grismar