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 9 слични објави

Пребарај: #ir

当前筛选 #ir清除筛选

☑️☑️Below you will see the Futures Premium Signals Results for (14th April 2026) 🚀#RAVE-USDT - 500% profit 🚀#IR-USDT - 26% profit ✅✅Net Profit = 526% Profit 👇🏻Signals Summary ➕Total Signals Sent out - 02 ✔️Profitable Signals - 02 ✖️Total Signals Lost - 00 ◼️Trade cancelled without being executed - 00 ✅✅Net Profit - 526% Profit 👁‍🗨Contact @futurechief to enter the most profitable Futures Premium Signal Group

Hashtags

📈Всем привет, это Артур Щеглов. Гиперион осваивает новые направления. Мы приняли для себя принципиальное решение развиваться не только в сегменте инфраструктуры и #ГЧП, но и оказывать маркетинговые и коммуникационные услуги для компаний планирующих выход на рынок капитала. За последний год нам удалось усилить команду специалистами и партнёрами, которые уже обладают опытом информационного сопровождения выпуска облигаций и выхода на #IPO. Готовы предложить рынку услуги по связям с инвесторами #IR и финансовый PR, в том числе: 🔹 разработка инвестиционно-коммуникационной стратегии; 🔹 информационное сопровождение в СМИ, соцсетях, на специализированных площадках; 🔹 структурирование и оформление необходимой документации для инвесторов; 🔹 организация собственных роуд-шоу и мероприятий; 🔹 сопровождение участия в сторонних мероприятиях и событиях. Естественно, мы остаёмся также в сегменте проектного (продуктового), инвестиционного маркетинга и репутационного PR. 🥰 Буду рад, если сможем совместить наши интересы с планами инфраструктурных игроков. Открыт для новых встреч, знакомств и партнёрств! #p3runner#p3capital

GitHub Trends

@githubtrending · Post #15601 · 05.04.2026 г., 11:30

#yara#awesome_list#blueteam#blueteam_tools#cti#detection#detection_engineering#dfir#hacktools#incident_response#ioc#iocs#ir#ransomware#redteam#rmm#security#siem#soc#threat_hunting#threat_intelligence You can access comprehensive security detection lists and threat hunting resources that help identify malicious activity across your infrastructure. These curated collections include indicators like suspicious file hashes, domain names, IP addresses, and behavioral patterns organized by threat type—from ransomware and phishing to command-and-control servers and vulnerable drivers. By integrating these lists into your security tools like SIEM platforms and endpoint detection systems, you gain immediate visibility into known threats while learning detection methodologies through guides and YARA rules. This accelerates your ability to hunt for compromises, validate security controls, and stay current with emerging attack techniques without building detection logic from scratch. https://github.com/mthcht/awesome-lists