Python局部变量访问更快的根本原因是其直接通过栈帧数组索引获取，而全局变量需按LEGB规则逐层字典查找，每次多2～3次开销；global关键字不加速读取，仅解决赋值作用域问题。
Python 局部变量访问比全局变量快的底层原因
根本不在“栈 vs 堆”这种笼统说法，而在名字查找机制：局部变量直接从 f_locals 字典（实际是优化后的栈帧数组）索引获取，而全局变量必须按 LEGB 规则逐层查找——先查本地作用域（失败），再查嵌套作用域（若存在，通常也失败），最后查全局（__globals__）和内置（__builtins__）作用域。每次访问都多走 2～3 次字典查找或指针跳转。
这个开销单次微乎其微，但在高频循环中会被放大。实测在纯计算循环里，用局部变量替代同名全局变量，速度提升约 10%～20%，取决于解释器版本和变量使用密度。
global 关键字不会加速访问，反而可能拖慢
加 global 声明只是告诉解释器“这个赋值要写到全局作用域”，不改变读取路径。读取时仍需走完整 LEGB 查找；写入时还额外增加一次作用域绑定检查。所以：
-
global只解决“能否赋值”的问题，不解决“访问快不快”的问题 - 如果只是读取全局变量，加
global没有任何性能收益，还让代码更冗余 - 如果函数内既读又写同一个全局变量，不如把它作为参数传入，或用
functools.lru_cache缓存结果
真正影响性能的不是“全局变量本身”，而是访问频率和上下文
以下场景下，全局变量带来的性能差异几乎不可测：
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
立即学习“Python免费学习笔记（深入）”；
- 函数调用不频繁，且全局变量只读一次（如配置项
DEBUG = True） - 变量值本身很大（比如一个 10MB 的字典），此时内存拷贝开销远大于名字查找
- 代码瓶颈在 I/O、网络或 C 扩展调用上，Python 层变量访问根本不构成热点
但这些情况容易被误判——你得先用 cProfile 或 line_profiler 确认 LOAD_GLOBAL 指令是否真在火焰图顶部，而不是凭直觉优化。
局部变量提速的边界条件：别为了快而破坏可读性
把所有东西塞进局部作用域不一定更好：
- 函数参数过多、逻辑拆分过细，会导致调用栈变深、可读性下降
- 重复传递大对象（如 DataFrame、大型 list）可能引发意外的内存拷贝或引用计数开销
- 过度提取局部变量会让调试时的变量视图混乱，尤其在 pdb 或 IDE 中难以追踪原始来源
最常被忽略的一点：CPython 对局部变量做了字节码级优化（比如 LOAD_FAST 替代 LOAD_GLOBAL），但这个优化只对明确属于当前作用域的名称生效——闭包变量、类属性、通过 getattr() 动态访问的名称都不享受该加速。
