将局部变量设置为函数而不是使用全局变量来优化函数

在 itertools 模块的文档中我发现了这个评论

def dotproduct(vec1, vec2):
    return sum(imap(operator.mul, vec1, vec2))

请注意，上述许多配方可以通过替换全局来优化 使用定义为默认值的局部变量进行查找。例如， 点积配方可以写成：

def dotproduct(vec1, vec2, sum=sum, imap=imap, mul=operator.mul):
    return sum(imap(mul, vec1, vec2))

如何？。
是否有实际的显着加速（可以平衡较大函数签名的不便）？
在哪种特定条件下，在所示的情况下使用局部变量是相关的？

Edit:我用 timeit 进行了测试，有任何相关的差异。
对于两个 40 项列表作为 vec1、vec2：

全局查找 -> 3.22720959404
本地查找 -> 3.19884065683

也就是说，只有大约。 1% 的增益。

是否有实际的显着加速（可以平衡较大函数签名的不便）？

我非常怀疑这一点，因为在原始定义中每个查找都发生一次。请注意，您已经更改了该函数的含义。

在所示的情况下，在哪些特定条件下使用局部变量是相关的？

仅在紧密循环内；在这种情况下，如果dot_product例如，用于非常大的矩阵乘法（无论如何你都不会在纯Python中执行此操作，更不用说使用迭代器了）。

EDIT：我刚刚反汇编了这两个函数，我的预感是错误的，尽管我的观点仍然成立：

>>> def dotproduct(vec1, vec2):
...     return sum(imap(operator.mul, vec1, vec2))
...
>>> dis.dis(dotproduct)
  2           0 LOAD_GLOBAL              0 (sum)
              3 LOAD_GLOBAL              1 (imap)
              6 LOAD_GLOBAL              2 (operator)
              9 LOAD_ATTR                3 (mul)
             12 LOAD_FAST                0 (vec1)
             15 LOAD_FAST                1 (vec2)
             18 CALL_FUNCTION            3
             21 CALL_FUNCTION            1
             24 RETURN_VALUE
>>> def dotproduct(vec1, vec2, sum=sum, imap=imap, mul=operator.mul):
...     return sum(imap(mul, vec1, vec2))
...
>>> dis.dis(dotproduct)
  2           0 LOAD_FAST                2 (sum)
              3 LOAD_FAST                3 (imap)
              6 LOAD_FAST                4 (mul)
              9 LOAD_FAST                0 (vec1)
             12 LOAD_FAST                1 (vec2)
             15 CALL_FUNCTION            3
             18 CALL_FUNCTION            1
             21 RETURN_VALUE