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 4 слични објави

Пребарај: #firo

当前筛选 #firo清除筛选
Pro Analysis

@proanalysistrader · Post #28408 · 21.01.2025 г., 14:58

#FIRO/USDT analysis : #FIRO is in an uptrend, trading above the 200 EMA. The price has retraced and tested the support zone. It is currently bouncing back from this zone, with expectations to resume bullish momentum and test the previous swing high. TF : 1D Entry : $1.850 Target : $2.840 SL : $1.367

Hashtags

American Crypto©

@americancryptotrading · Post #27102 · 30.12.2024 г., 15:08

🇺🇸#FIRO/USDT is trading above the fallingwedge formation on the weekly timeframe🔥 Pump is expected🚀 American Crypto©

Hashtags

Coinlegs Cryptocurrency Signals

@coinlegs · Post #9696 · 09.01.2024 г., 06:21

🐬DOLPHIN | AI PREDICTIONS 09.01.2024 06:00 GMT Expected 5% Profit/Loss in 24 Hours #NFP | 0.58321 | PP: 92% | LP: 9% #FIRO | 1.585 | PP: 90% | LP: 0% #GFT | 0.02027 | PP: 87% | LP: 100% #JTO | 1.7112 | PP: 86% | LP: 100% #NTRN | 1.5177 | PP: 78% | LP: 100% #ORDI | 74.726 | PP: 77% | LP: 100% #TIA | 15.578 | PP: 77% | LP: 100% #VANRY | 0.05837 | PP: 74% | LP: 96% #IQ | 0.00531 | PP: 66% | LP: 100% #MEME | 0.023135 | PP: 64% | LP: 90% #ACE | 8.2438 | PP: 28% | LP: 91% #ARK | 0.7136 | PP: 23% | LP: 91% ——————————————————————— Total Predictions: 366 PP > 50%: 328 LP > 50%: 18 PP > 60%: 202 LP > 60%: 17 PP > 70%: 54 LP > 70%: 16 PP > 80%: 36 LP > 80%: 16 PP > 90%: 1 LP > 90%: 9 ——————————————————————— PP: Profit Probability | LP: Loss Probability