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 2 слични објави

Пребарај: #feedit

当前筛选 #feedit清除筛选
ALL About RSS

@AboutRss · Post #876 · 19.11.2020 г., 01:00

FeedIt trainable RSS reader 登陆 iOS APP Store 频道提及过的机器学习型 #RSS阅读器#FeedIt 在其安卓版和线上版后发布了 #iOS 版: https://apps.apple.com/us/app/feedit-rss-reader/id1538541609 发现于 https://twitter.com/RSSCircus/status/1328955086152806401

ALL About RSS

@AboutRss · Post #840 · 13.10.2020 г., 01:00

FeedIt :利用机器学习进行文章喜好排序的在线 #RSS阅读器 还记得在 Reddit 上看到个贴,说 Ta 唯一不喜欢 RSS 订阅的一点是:阅读器把所有文章一视同仁,不能告诉 Ta 哪个重要、哪个不重要。回帖里自然有人教育道:RSS 订阅的特色就是没有谁帮你决定哪个重要、哪个不重要。 当然,该帖里也提到,除了关键词过滤或给 Feeds 按重要程度分组外,有几家阅读器可以给文章打分,并以分数改变其排序。比如 #TTRSS 的 Scoring 。 现在,更 fancy 的来了。 #FeedIt 让你可以通过给文章以及文章关键词打“赞”和“踩”来用机器学习训练阅读器对你喜好的把握;一段时日之后,就可以让阅读器按你的喜好来给文章排序了。对于那些订阅很多 Feeds 的玩家,说不定也是条路。 官网在此,自带 #Android App : https://feedit.sk/ 发现于 Reddit 。到底是高大上还是本末倒置,欢迎留言讨论。