Questions tagged «python-internals»

复制一份随机播放的range(10**6)列表十次需要我大约0.18秒：（这五次运行） 0.175597017661 0.173731403198 0.178601711594 0.180330912952 0.180811964451 复制未整理的列表十次需要我大约0.05秒： 0.058402235973 0.0505464636856 0.0509734306934 0.0526022752744 0.0513324916184 这是我的测试代码： from timeit import timeit import random a = range(10**6) random.shuffle(a) # Remove this for the second test. a = list(a) # Just an attempt to "normalize" the list. for _ in range(5): print timeit(lambda: list(a), number=10) 我也尝试用复制a[:]，结果相似（即，速度差异很大） …

89 python  python-internals 

深入研究Python的源代码后，我发现它维护了一个PyInt_Objects数组，范围从int(-5)到int(256)（@ src / Objects / intobject.c） 一个小实验证明了这一点： >>> a = 1 >>> b = 1 >>> a is b True >>> a = 257 >>> b = 257 >>> a is b False 但是，如果我在py文件中一起运行这些代码（或使用分号将它们结合在一起），结果将有所不同： >>> a = 257; b = 257; a is b True 我很好奇为什么它们仍然是同一对象，所以我深入研究了语法树和编译器，提出了下面列出的调用层次结构： PyRun_FileExFlags() mod = PyParser_ASTFromFile() …

82 python  caching  code-analysis  literals  python-internals 

在优化代码时，我意识到了以下几点： >>> from timeit import Timer as T >>> T(lambda : 1234567890 / 4.0).repeat() [0.22256922721862793, 0.20560789108276367, 0.20530295372009277] >>> from __future__ import division >>> T(lambda : 1234567890 / 4).repeat() [0.14969301223754883, 0.14155197143554688, 0.14141488075256348] >>> T(lambda : 1234567890 * 0.25).repeat() [0.13619112968444824, 0.1281130313873291, 0.12830305099487305] 并且： >>> from math import sqrt >>> T(lambda : sqrt(1234567890)).repeat() …

80 python  c  performance  python-2.7  python-internals 

因此，我在玩list对象时发现一点奇怪的事情：如果list用list()它创建的东西比列表理解力要占用更多的内存？我正在使用Python 3.5.2 In [1]: import sys In [2]: a = list(range(100)) In [3]: sys.getsizeof(a) Out[3]: 1008 In [4]: b = [i for i in range(100)] In [5]: sys.getsizeof(b) Out[5]: 912 In [6]: type(a) == type(b) Out[6]: True In [7]: a == b Out[7]: True In [8]: sys.getsizeof(list(b)) Out[8]: 1008 从文档： …

79 python  list  list-comprehension  cpython  python-internals 

这更多是一个概念上的问题。最近，我在Python中看到了一段代码（它在2.7中有效，它也可能在2.5中运行过），其中一个for循环对要迭代的列表和列表中的项目使用相同的名称，这既使我感到不道德，也使它不起作用。 例如： x = [1,2,3,4,5] for x in x: print x print x 产量： 1 2 3 4 5 5 现在，对我来说有意义的是，最后打印出的值将是循环中分配给x的最后一个值，但是我无法理解为什么您能够在for循环的两个部分中使用相同的变量名并具有它按预期起作用。它们在不同的范围内吗？允许这种事情发生的事情到底是怎么回事？

78 python  for-loop  variable-assignment  python-internals 

我遇到这种奇怪的行为，但无法解释。这些是基准： py -3 -m timeit "tuple(range(2000)) == tuple(range(2000))" 10000 loops, best of 3: 97.7 usec per loop py -3 -m timeit "a = tuple(range(2000)); b = tuple(range(2000)); a==b" 10000 loops, best of 3: 70.7 usec per loop 与使用变量分配进行比较，为什么比使用带有临时变量的班轮快27％以上呢？ 通过Python文档，垃圾回收在timeit期间被禁用，因此并非如此。这是某种优化吗？ 结果也可以在Python 2.x中重现，尽管程度较小。 运行Windows 7，CPython 3.5.1，Intel i7 3.40 GHz，64位OS和Python。似乎我尝试使用Python 3.5.0在Intel i7 3.60 …

76 python  python-3.x  cpython  python-internals 

我不知道为什么一个类__dict__是一个mappingproxy，但是一个实例__dict__只是一个普通的dict >>> class A: ... pass >>> a = A() >>> type(a.__dict__) <class 'dict'> >>> type(A.__dict__) <class 'mappingproxy'>

76 python  python-3.x  class  dictionary  python-internals 

为什么不能*args在Python中使用尾随逗号？换句话说，这有效 >>> f(1, 2, b=4,) 但这不是 >>> f(*(1, 2), b=4,) File "<stdin>", line 1 f(*(1, 2), b=4,) ^ SyntaxError: invalid syntax Python 2和Python 3都是这种情况。

72 python  syntax  python-internals 

__sizeof__在不同的Python对象上尝试魔术方法（尤其是），我偶然发现了以下行为： Python 2.7 >>> False.__sizeof__() 24 >>> True.__sizeof__() 24 Python 3.x >>> False.__sizeof__() 24 >>> True.__sizeof__() 28 Python 3中发生了什么变化，使大小True大于的大小False？

72 python  python-3.x  python-2.7  cpython  python-internals 

从这里的推文中： import sys x = 'ñ' print(sys.getsizeof(x)) int(x) #throws an error print(sys.getsizeof(x)) 对于两个getsizeof调用，我们得到74个字节，然后是77个字节。 看来我们从失败的int调用中向对象添加了3个字节。 来自Twitter的更多示例（您可能需要重新启动python才能将大小重置为74）： x = 'ñ' y = 'ñ' int(x) print(sys.getsizeof(y)) 77！ print(sys.getsizeof('ñ')) int('ñ') print(sys.getsizeof('ñ')) 74，然后77。

70 python  string  python-3.x  unicode  python-internals 

令人惊讶的是，没有明确的文档__weakref__。弱引用在这里解释。__weakref__的文档中也简短提及__slots__。但是我找不到任何关于__weakref__自己的东西。 到底是__weakref__什么？-它只是充当标志的成员：如果存在，则该对象可能被弱引用？-还是可以重写/分配以获得所需行为的函数/变量？怎么样？

70 python  python-3.x  python-internals 

一个合理的常见操作是list基于另一个过滤list。人们很快发现： [x for x in list_1 if x in list_2] 对于大输入而言，速度很慢-为O（n * m）。uck 我们如何加快速度？使用aset进行过滤查找O（1）： s = set(list_2) [x for x in list_1 if x in s] 这给出了很好的整体O（n）行为。但是，我经常看到甚至资深的编码人员也落入The Trap ™： [x for x in list_1 if x in set(list_2)] 阿克！这也是O（n * m），因为pythonset(list_2) 每次都构建，而不仅仅是一次构建。 我以为故事就此结束了-python无法优化它，只能构建set一次。只是要注意陷阱。要忍受它。嗯 #python 3.3.2+ list_2 = list(range(20)) #small for …

68 python  python-3.x  python-internals 

为了理解Python的for循环，我认为这会给出{1}一次迭代的结果，或者只是陷入无限循环，这取决于它是否像C语言或其他语言那样进行迭代。但是实际上它都没有。 >>> s = {0} >>> for i in s: ... s.add(i + 1) ... s.remove(i) ... >>> print(s) {16} 为什么要进行16次迭代？结果{16}从何而来？ 这是使用Python 3.8.2。在pypy上可以达到预期的效果{1}。

61 python  python-internals