为什么在 Python 中处理已排序数组并不比处理未排序数组快？

在这篇文章中为什么处理排序数组比处理随机数组更快 https://stackoverflow.com/questions/11227809/why-is-processing-a-sorted-array-faster-than-an-unsorted-array，它说分支预测是排序数组性能提升的原因。

但我只是用Python尝试了这个例子；我认为排序数组和随机数组之间没有区别（我尝试了 bytearray 和 array；并使用 line_profile 来分析计算）。

我错过了什么吗？

这是我的代码：

from array import array
import random
array_size = 1024
loop_cnt = 1000
# I also tried 'array', and it's almost the same
a = bytearray(array_size)
for i in xrange(array_size):
    a.append(random.randint(0, 255))
#sorted                                                                         
a = sorted(a)
@profile
def computation():
    sum = 0
    for i in xrange(loop_cnt):
        for j in xrange(size):
            if a[j] >= 128:
                sum += a[j]

computation()
print 'done'

我可能是错的，但我看到链接的问题和您的示例之间存在根本区别：Python 解释字节码，C++ 编译为本机代码。

在 C++ 代码中if直接翻译成cmp/jl序列，CPU 分支预测器可以将其视为特定于该周期的单个“预测点”。

在Python中，比较实际上是几个函数调用，所以有（1）更多的开销，（2）我认为执行该比较的代码是解释器中用于每个其他整数比较的函数 - 所以它是一个“预测点”而不是特定于当前块，这使得分支预测器更难正确猜测。

Edit: 另外，如中所述this http://www.jilp.org/vol5/v5paper12.pdf论文中，解释器内部有更多的间接分支，因此 Python 代码中的这种优化可能会被解释器本身的分支错误预测所掩盖。