在 Python 中，函数执行比在顶层执行命令更快的原因主要可以归结为以下几个方面：

1. 局部作用域与全局作用域的差异

• 全局作用域：在顶层执行命令时，变量和函数都处于全局作用域，Python 解释器需要频繁地查找全局命名空间，访问全局变量会相对较慢。全局命名空间的查找过程需要额外的时间，因为 Python 需要扫描全局作用域以找到变量或函数的定义。
• 局部作用域：而在函数中执行代码时，变量存储在局部作用域，局部作用域的访问速度要快得多。这是因为局部变量的查找仅限于当前函数的名称空间，查找过程更高效。在 Python 中，局部作用域的查找通常比全局作用域要快，因为局部作用域是通过栈帧直接存储的。

2. 作用域的优化

• Python 在局部作用域上有一些优化措施。由于函数内的代码是局部执行的，Python 可以更好地优化局部变量的访问。局部变量的查找比全局变量的查找要更直接、快速。
• 对比之下，顶层代码执行时，由于全局作用域中可能存在多个引用和更复杂的依赖关系，Python 需要做更多的查找和解析工作，这就导致了性能上的差异。

3. Python 的字节码优化

• Python 会将源代码编译成字节码，然后执行。代码在函数中通常会被编译成更高效的形式，因为函数的作用域较小，Python 解释器能够更容易地进行优化。
• 顶层代码则需要在执行时处理更多的全局依赖和变量，因此会更慢。

4. 内存管理与局部变量缓存

• 函数内的局部变量通常会被 Python 更高效地管理和缓存。局部变量的生命周期通常较短，且 Python 可以更容易地预测何时需要回收内存。
• 在全局作用域中，Python 需要更频繁地处理全局变量的内存分配和回收，这增加了开销。

5. Python 内部优化

• Python 会对函数进行一定的优化，尤其是内联函数调用、局部变量优化等。虽然调用函数本身会有一些额外的开销，但函数的封装可以使得这些开销在优化过程中得到缓解。

总结

• 函数调用的性能提升主要来源于局部作用域的效率。局部作用域在查找变量时更为高效，而全局作用域的变量查找相对较慢。虽然函数调用本身有额外的开销，但整体上，Python 对局部作用域和局部变量的优化使得函数内执行代码的速度比全局作用域代码要快。

因此，当你将代码放入函数中执行时，Python 在优化局部作用域、内存管理和字节码编译等方面的优势，往往使得函数调用的执行速度更快，尤其是在需要频繁访问变量的情况下。