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 1 слични објави

Пребарај: #rpgx

当前筛选 #rpgx清除筛选
小喵的ACG黄油 (重开版)

@xiaomiaogame · Post #2888 · 20.02.2026 г., 10:23

对魔忍Taimanin RPGX 对魔忍RPGX Viewer Taimanin RPGX Viewer v2026.2.13 日文+AI汉化版 対魔忍――人の身で『魔』に対抗できる“忍のもの”たち。 そんな対魔忍たちの集う五車学園。 由緒正しき対魔忍の家・ふうま宗家に生まれながら、忍法を使えない主人公は、ここで無為な学生生活を送っていた。 しかしある日、五車学園が襲撃される事件が起こり、彼の運命は大きく動き出す。 アサギから独立遊撃隊の指揮を任された彼は、新たな仲間たちとともに、事件の真相に挑む! ※ページ内にあるゲーム画像は開発中のものであり、実際のゲーム画面とは異なる場合があります。 ※このアプリケーションには、株式会社Live2Dの「Live2D」が使用されています。 对魔忍——能够化身为人对抗恶魔的忍者。五社学院是这些对魔忍者聚集的地方。尽管主角出生于名门对魔忍家族风魔一族,却无法使用忍术,只能在这里过着毫无意义的学生生活。然而,有一天,五社学院遭遇袭击,他的命运发生了重大转折。浅木委托他指挥独立游击队,他与新战友们一起,踏上了追查事件真相的征程!*本页游戏图像正在开发中,可能与实际游戏画面有所不同。 *本应用程序使用Live2D Inc.的“Live2D”▼角色*部分摘录:井川浅木(CV:青野结)/井川樱(CV:黑岩心)/水树雪风(CV:冰室由里)/小川明日香(CV:手冢凉子)/秋山凛子(CV:北田梨亚)/时部真岩(CV:Kazari)月)/ 鬼崎绮罗(CV:白濑保波)/ 不知火水树(CV:桃园薰)/ 神村麻花(CV:佐仓桃香)/ 敖波罗(CV:古泽丽)/ 西周蛇子(CV:疾风春)/ 风魔时子(CV:向井莲)/ 稷奈绪(CV:美里奈奈)/ 神村东(CV:中野志乃)/透明罗贝尔(CV:梅原爱)/大道寺奈美(CV:安光公主)/诸神黄昏(CV:奥寺霞)/小坂静(CV:加南)/天宫酒井(CV:明石由纪)/风麻天(CV:一之濑樱) 开启设置的翻译有汉化 新年礼物 评分 #优秀 作者 #DMM#Lilith [リリス] #PC#ADV#日语#日文#网游#AI汉化#Lilith#DMM#足交#动态 #对魔忍RPGX#RPGX#Taimanin RPGX Viewer #对魔忍Taimanin RPGX 下载地址