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
#Kalshi
Kalshi заранее заблокирует торговлю для спортсменов и политиков
Kalshi собирается заранее ограничить доступ к рынкам для спортсменов, тренеров, судей и других участников спортивных событий. Аналогичный запрет введут и для политиков в рынках, связанных с их собственными кампаниями.
Раньше такие сделки уже запрещались правилами платформы, но теперь Kalshi хочет не просто запрещать их формально, а технически не допускать до торгов с самого начала. Для этого компания подключает внешних подрядчиков, включая IC360, чтобы проверять таких пользователей еще на этапе регистрации.
Шаг идет на фоне растущего давления на рынки прогнозов из-за риска инсайда и манипуляций. В тот же день Polymarket ужесточил свои правила добросовестности рынка, а в Сенате США внесли законопроект, который должен запретить регулируемым CFTC площадкам рынки на спорт и казино.
⚡️ Breaking: #Kalshi is set to launch crypto trading with perpetual futures on April 27!
The #CFTC-regulated prediction market giant is entering the crypto derivatives space, offering perpetual contracts for continuous trading on $BTC, $ETH, and more.
🚀 Ставки сделаны: Gemini — фаворит гонки ИИ к концу 2025 года
Трейдеры на платформе прогнозов Kalshi уверенно ставят на победу Google Gemini в гонке искусственного интеллекта. 59% участников считают, что именно эта модель станет ведущей к концу 2025 года, оставив позади ChatGPT (20%) и Grok (14%). Общий оборот рынка превысил $7,4 млн, а итоги подведут 31 декабря 2025 года на основе данных рейтинга LM Arena.
Почему именно Gemini? Модель лидирует в ключевых бенчмарках (текст, поиск, разработка), демонстрирует превосходную скорость обработки и глубоко интегрирована в экосистему Google. В то время как конкуренты сталкиваются с проблемами: OpenAI — с критикой новых версий, Grok — со скандалами, а такие сильные игроки, как DeepSeek, — с высокими затратами и инфраструктурными вызовами, что мешает им удержать рыночное внимание.
#ИИ#Gemini#Kalshi#прогнозы
Пс. Картинка сделана ChatGPT на основании данного поста, понятно, почему не он первый? Очень похоже на ляпы в презентации Gpt-5.
https://t.me/semasci