这是一个旧式的课程:
class OldStyle:
pass
Run Code Online (Sandbox Code Playgroud)
这是一个新式的课程:
class NewStyle(object):
pass
Run Code Online (Sandbox Code Playgroud)
这也是一个新风格的类:
class NewStyle2:
__metaclass__ = type
Run Code Online (Sandbox Code Playgroud)
有没有任何区别之间NewStyle和NewStyle2?
我的印象是继承的唯一影响object实际上是定义type元类,但我找不到任何确认,除此之外我没有看到任何区别.
我想看看str.split()在 Python 中是如何实现的这是我尝试过的:
> inspect.getsource(str.split)
TypeError: <method 'split' of 'str' objects> is not a module,
class, method, function, traceback, frame, or code object
Run Code Online (Sandbox Code Playgroud)
复制 StackOverflow 上的另一个示例不起作用:Python 中最大公约数的代码
我已经读过Raymond Hettinger实现紧凑型dicts 的新方法.这解释了为什么Python 3.6中的dicts使用的内存少于Python 2.7-3.5中的dicts.但是,Python 2.7和3.3-3.5 dicts中使用的内存之间似乎存在差异.测试代码:
import sys
d = {i: i for i in range(n)}
print(sys.getsizeof(d))
Run Code Online (Sandbox Code Playgroud)
如上所述,我理解3.5和3.6之间的节省,但我很好奇节省2.7和3.5之间的原因.
我有一个小助手班:
class AnyOf(object):
def __init__(self, *args):
self.elements = args
def __eq__(self, other):
return other in self.elements
Run Code Online (Sandbox Code Playgroud)
这让我做了甜蜜的魔术:
>>> arr = np.array([1,2,3,4,5])
>>> arr == AnyOf(2,3)
np.array([False, True, True, False, False])
Run Code Online (Sandbox Code Playgroud)
无需使用列表理解(如np.array(x in (2,3) for x in arr).
(我维护一个让(可信)用户输入任意代码的用户界面,并且a == AnyOf(1,2,3)比非技术精明用户的列表理解更加可口.)
然而!
这只适用于一种方式!例如,如果我这样做,AnyOf(2,3) == arr那么我的AnyOf类的__eq__方法永远不会被调用:相反,NumPy数组的__eq__方法被调用,在内部(我会假设)调用其__eq__所有元素的方法.
这让我想知道:为什么Python不允许右侧等效__eq__?(大致相当于像__radd__,__rmul__等等的方法.)
我正在翻阅Fluent Python这本书。它指出,对于所有数字的序列,数组比列表更有效,更快。从我收集到的信息来看,它还减少了内存开销。它指出:“ Python数组和C数组一样精简。”
我很好奇为什么这里的数组显示的内存比列表大。
import array
from random import random
import sys
floats = array.array('d', (random() for i in range(10**7)))
L = [random() for i in range(10**7)]
print(sys.getsizeof(floats))
print(sys.getsizeof(L))
Run Code Online (Sandbox Code Playgroud)
输出
81940352
81528056
Run Code Online (Sandbox Code Playgroud) 我很想了解 Pythonfor循环在幕后是如何工作的。我尝试像下面的代码片段一样实现它,这就是 for 循环的实现方式吗?
my_list = [1, 2, 3, 4, 5]
# list itself is iterable but not iterator. Make it an iterator
iter_list = iter(my_list)
while True:
try:
print(next(iter_list))
except StopIteration:
break
Run Code Online (Sandbox Code Playgroud) 假设我们有一个字符串列表,并且我们想通过串联此列表中的所有元素来创建一个字符串。像这样:
def foo(str_lst):
result = ''
for element in str_lst:
result += element
return result
Run Code Online (Sandbox Code Playgroud)
由于字符串是不可变的对象,我希望python创建一个新的str对象并在每次迭代时复制result和element的内容。它增加了O(M * N^2)时间复杂度,M是每个元素的长度,N是列表的大小。
但是,我的实验表明,它以线性时间运行。
N = 1000000 # 1 million
str_lst = ['a' for _ in range(N)]
foo(str_lst) # It takes around 0.5 seconds
N = 2000000 # 2 million
str_lst = ['a' for _ in range(N)]
foo(str_lst) # It takes around 1.0 seconds
N = 10000000 # 10 million
str_lst = ['a' for _ in range(N)]
foo(str_lst) # It takes around 5.3 …Run Code Online (Sandbox Code Playgroud) The documentation for python's gc package says this about gc.get_count():
gc.get_count()
Return the current collection counts as a tuple of (count0, count1, count2).
Run Code Online (Sandbox Code Playgroud)
Here is a sample program:
import gc
if __name__=="__main__":
print("making some data")
for k in range(10):
root = [range(i,1000) for i in range(1,1000)]
print("len(gc.get_objects):",len(gc.get_objects()))
print("gc.get_stats:",gc.get_stats())
print("gc.get_count:",gc.get_count())
Run Code Online (Sandbox Code Playgroud)
Here is the output:
making some data
len(gc.get_objects): 7130
gc.get_stats: [{'collections': 16, 'collected': 99, 'uncollectable': 0}, {'collections': 1, 'collected': 0, 'uncollectable': 0}, {'collections': 0, 'collected': 0, 'uncollectable': 0}]
gc.get_count: (75, 5, …Run Code Online (Sandbox Code Playgroud) 如果我采用一个简单的空 numpy 数组,我可以看到它有 96 个字节的开销,
>>> sys.getsizeof( np.array([]) )
96
Run Code Online (Sandbox Code Playgroud)
那 96 个字节存储的是什么?这是在 numpy 或 Python 3 (cpython) 的 C 源代码中的哪里设置的?
我有一个脚本,可以删除很多 dict 并最终对其进行迭代。
我设法将其简化为一个简单的基准:
> py -m timeit -s "a = {i:i for i in range(10000000)};[a.pop(i) for i in range(10000000-1)]" "next(iter(a))"
10 loops, best of 5: 30.8 msec per loop
Run Code Online (Sandbox Code Playgroud)
为什么在删除所有以前的值后迭代单个键变得很慢?
python ×10
python-internals ×10
python-2.7 ×3
python-3.x ×3
dictionary ×2
numpy ×2
arrays ×1
cpython ×1
for-loop ×1
internals ×1
iteration ×1
list ×1
performance ×1
string ×1