python函数调用本身不慢，cpython中约20–50ns；真正开销来自栈帧创建、参数绑定、作用域查找等伴随操作，高频或嵌套调用时才需优化。
Python 函数调用真的慢吗？
在纯计算密集场景下，def 定义的普通函数调用开销约 20–50ns（CPython 3.9+），基本可忽略；但若在 tight loop（比如每秒千万级迭代）里频繁调用，或嵌套过深、带大量参数/关键字解包，开销会累积成可观延迟。
真正拖慢的往往不是“调用”本身，而是伴随动作：栈帧创建、局部变量初始化、参数绑定、作用域查找（尤其含 nonlocal 或闭包）、以及可能触发的 GC 检查。
- 用
dis.dis()看汇编能确认：一次空函数调用对应约 4–6 条字节码（如LOAD_GLOBAL+CALL_FUNCTION） - 类方法调用比普通函数多一次属性查找（
LOAD_ATTR），快路径下约 +15ns -
lambda和普通函数在调用开销上几乎无差别，别指望靠它“提速”
什么情况下必须关注函数调用开销？
典型高敏感场景：数值循环（如手动实现向量加法）、事件循环中的高频回调、热路径上的配置解析逻辑。这时候哪怕微小开销也会被放大。
- 避免在
for i in range(1000000)内反复调用len(my_list)——它虽快，但不如提前赋值给变量 - 不要在热路径里用
functools.partial包装函数再调用，每次调用都新建部分应用对象 - 用
__slots__的类方法调用略快于普通类，但差异通常
怎么测准一次调用的真实成本？
别信直觉，也别只看 timeit.timeit('f()', ...) 默认结果——它容易受全局变量查找、GC 干扰和 JIT 预热影响。
OEmarry婚庆商家电子商务网站系统（又名：OEmarry婚嫁O2O电商平台系统）是O.E研发团队继OElove婚恋网站产品发布之后经长期的深入调研策划后，根据婚庆行业客户实际应用需求而提供的一套以满足企业级（OEPHP MVC架构）大型数据架构及大规模运营需求的解决方案，该系统的集商家展示点评、O2O团购、垂直搜索、分类导行、本地信息、优惠券、商家活动、在线购物、微信营销、广告管理、手机app
立即学习“Python免费学习笔记（深入）”；
- 用
timeit.timeit('f()', globals={'f': f}, number=1000000)隔离命名空间 - 禁用 GC：
gc.disable()再测，避免计时被回收打断 - 对比基线：测
pass占位符的耗时，再减去它，得到“净调用开销” - 注意 CPython 的 per-call 开销在 PyPy 或 Cython 下完全不同——跨解释器结论不通用
能省则省？还是别过早优化？
绝大多数业务代码里，函数调用开销远小于 I/O、锁竞争、序列化或算法复杂度带来的延迟。为省几纳秒把逻辑全写进一个超长函数，只会让调试、测试和复用变得更痛苦。
真正该做的：先用 cProfile 或 py-spy 确认是不是调用本身在 hot path 上；如果不是，任何“优化”都是转移注意力。而一旦确认是瓶颈，优先考虑内联、缓存、或用 array.array/numpy 批处理替代逐元素函数调用——这些收益远大于抠单次调用的几十纳秒。
