TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #32 · 7 фев.

Скорее всего уже слышали, что складывать строки через + это плохая практика. Падение производительности, и всё такое. Без лишних слов, давайте измерять: from timeit import timeit def t1(): # складываем 10 строк через + из переменной t = 'text' for _ in range(1000): s = t + t + t + t + t + t + t + t + t def t2(): # склеиваем список строк через метод join arr = ['text'] * 10 for _ in range(1000): s = ''.join(arr) def t3(): # складываем через + но не из переменной а непосредственно инлайн объекты for _ in range(1000): s = 'text' + 'text' + 'text' + ... # всего 10 раз Теперь каждую строку склейки запустим по 10М раз >>> timeit(t1, number=10000) 0.21951690399964718 >>> timeit(t2, number=10000) 1.4978306379998685 >>> timeit(t3, number=10000) 0.2213820789993406 Хм, а нам говорили что через "+" это плохо и медленно ))) 😁 Тут стоит учитывать, что речь идёт о склейке множества длинных строк. Давайте изменим условия: def t4(): t = 'text'*100 for _ in range(1000): s = t + t + t + t + t + t + t + t + t def t5(): arr = ['text'*100] * 10 for _ in range(1000): s = ''.join(arr) def t6(): for _ in range(1000): s = 'text'*100 + 'text'*100 + ... # всего 10 раз >>> timeit(t4, number=10000) 12.795130728000004 >>> timeit(t5, number=10000) 2.642637542999182 >>> timeit(t6, number=10000) 0.2184546610005782 Вот, уже другой разговор, сразу видна разница, в среднем в 6 раз. Но погодите, почему последний тест t6() по скорости такой же как и t3()? Ведь строки теперь в 100 раз длиннее! Это вопросы оптимизации кода, какие простые изменения ускоряют или замедляют выполнение программы. Мы столкнулись с примером обхода обращения к переменной. Например, именно так работает директива #define в С++, во время компиляции подставляя значение переменной вместо ссылки на неё. В Python это тоже работает, но часто ли вы сможете встретить такой способ работы со строками? К сожалению, способ почти только теоретический. В целом, тесты показали то, что мы хотели. Делаем выводы самостоятельно. Полный листинг 🌍 #tricks

Резултати

Пронајдени 132 слични објави

Пребарај: #coser

当前筛选 #coser清除筛选
Rui's Ramble

@RsRamble · Post #497 · 01.05.2024 г., 12:51

也是旧图,之前去看樱花展时遇到的,于是问能否拍一张 拍摄于Flower Dome, Gardens by the Bay (2024-04-14) #coser

Hashtags

Rui's Ramble

@RsRamble · Post #329 · 22.01.2024 г., 14:02

周六的返图,原神的过往散兵,即白散 把勉强还能救回来的修了下,再从中选了几张,各位看官将就看看 为了保护您的眼睛和精神健康,照片已尽数打码 #coser

Hashtags

Rui's Ramble

@RsRamble · Post #322 · 14.01.2024 г., 11:22

咒术回战的祈本里香 之前拍过的一位coser,也是昨天在suntec遇到的 她的朋友们出的是原神,只顾着聊天忘了问其他人拍了 这两张是她自己用手机修的,我修的被退货了 #coser

Hashtags

Rui's Ramble

@RsRamble · Post #320 · 14.01.2024 г., 08:28

昨天在suntec的LiHO喝原神联动饮品时看他们在拍,于是尝试加入 好像SMU的Daijoubu也有和明日方舟的联动,不过要预约,下回吧 不会修男生+全遮,只简单处理了下 #coser

Hashtags

嗨皮快乐屋深圳外围

@hpklwnj · Post #137680 · 04.04.2026 г., 05:48

深圳栀虞鹦鹉🦜福田区🦜W 网红博主 cosplay萝莉 天然白虎🐯小萝莉🎀纯情小甜妹 Cosplay制服 洛丽塔 jk 漫展模特 软萌 可爱温温柔柔/乖巧服从性好 软弱清甜 害羞腼腆,易推倒 只接有素质的客户 请哥哥温柔对待 当面可看某音账号粉丝硬5️⃣起可W Height / 165cm Weight / 90斤 Chest / C Age / 18岁(06年 #福田区#coser#萝莉#硬5

嗨皮快乐屋深圳外围

@hpklwnj · Post #134594 · 24.03.2026 г., 05:17

深圳单雨童🏠 柯柯 硬5️⃣🦜 网红博主 cosplay萝莉 天然白虎🐯小萝莉🎀纯情小甜妹 Cosplay制服 洛丽塔 jk 漫展模特 软萌 可爱温温柔柔/乖巧服从性好 软弱清甜 害羞腼腆,易推倒 只接有素质的客户 请哥哥温柔对待 当面可看某音账号粉丝 Height / 165cm Weight / 90斤 Chest / C Age / 18岁(06年 #福田区#coser#萝莉#硬5

嗨皮快乐屋深圳外围

@hpklwnj · Post #134041 · 22.03.2026 г., 04:45

深圳栀虞鹦鹉🦜福田区🦜W 网红博主 cosplay萝莉 天然白虎🐯小萝莉🎀纯情小甜妹 Cosplay制服 洛丽塔 jk 漫展模特 软萌 可爱温温柔柔/乖巧服从性好 软弱清甜 害羞腼腆,易推倒 只接有素质的客户 请哥哥温柔对待 当面可看某音账号粉丝硬5️⃣起可W Height / 165cm Weight / 90斤 Chest / C Age / 18岁(06年 #福田区#coser#萝莉#硬5

Rui's Ramble

@RsRamble · Post #455 · 13.03.2024 г., 14:07

一眼就猜到是Bluelock,但没猜到哪个角色,最后看当事人ins上其他po才知道的 虽说是最强,但动画里出场并没有很多 拍摄于Doujinfes D1 (2024-02-24) #Doujinfes#coser

123•••1011
ПретходнаСтраница 1 од 11Следна