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: #onchaintrack

当前筛选 #onchaintrack清除筛选
Data | CryptoAttack 🎅🏼

@cryptoarsenal · Post #62730 · 12.04.2026 г., 16:09

⁠⁠‌‌‌​​‌‌​​​‌​​​‌​‌‌‌‌‌​‌‌‌​‌​‌⁠⁠🔗⚡️#RAVE#ETH RAVE: From 0x2dC2...031B to BITGET (Hot Wallet) Token: RAVEDAO (RAVE) Amount: $9,459,036 (2,983,923) Chain: ETHEREUM TX#Onchaintrack ⏱️ Time (UTC): 15:47:23.345⁠⁠‌‌‌​​‌‌​​​‌​​​‌​‌‌‌‌‌​‌‌‌​‌​‌⁠⁠

Data | CryptoAttack 🎅🏼

@cryptoarsenal · Post #62715 · 12.04.2026 г., 11:48

⁠⁠‌‌‌​​‌‌​​​‌​​​‌​‌‌‌‌‌​‌‌‌​‌​‌⁠⁠🔗⚡️#LIT#ETH LIT: From LIGHTER (ZkLighter (Proxy)) to HTX (Recovery Hot Wallet) Token: LIGHTER (LIT) Amount: $3,934,489 (3,646,422) Chain: ETHEREUM TX#Onchaintrack ⏱️ Time (UTC): 11:38:07.118⁠⁠‌‌‌​​‌‌​​​‌​​​‌​‌‌‌‌‌​‌‌‌​‌​‌⁠⁠

Data | CryptoAttack 🎅🏼

@cryptoarsenal · Post #62977 · 15.04.2026 г., 20:51

⁠⁠‌‌‌​​‌‌​​​‌​​​‌​‌‌‌‌‌​‌‌‌​‌​‌⁠⁠🔗⚡️#WLFI#ETH#BNB WLFI: From 0x0a36...d6f0 to BINANCE (Hot Wallet) Token: WORLD LIBERTY FINANCIAL (WLFI) Amount: $14,954,845 (185,000,000) Chain: ETHEREUM TX#Onchaintrack ⏱️ Time (UTC): 20:43:48.733⁠⁠‌‌‌​​‌‌​​​‌​​​‌​‌‌‌‌‌​‌‌‌​‌​‌⁠⁠

Data | CryptoAttack 🎅🏼

@cryptoarsenal · Post #62780 · 13.04.2026 г., 10:19

⁠⁠‌‌​‌​​‌‌​‌​‌​‌​​‌​‌​​‌​​‌​​​​​​⁠⁠🔗⚡️#RLUSD#ETH#BNB RLUSD: From BINANCE (Hot Wallet) to WINTERMUTE (Hot Wallet) Token: RLUSD (RLUSD) Amount: $1,120,691 (1,120,691) Chain: ETHEREUM TX#Onchaintrack@CryptoAttackBot ⏱️ Time (UTC): 10:19:32.769⁠⁠‌‌​‌​​‌‌​‌​‌​‌​​‌​‌​​‌​​‌​​​​​​⁠⁠