Tag: cpython

OrderedDict理解: 我可以在python扩展语法为其他字典的词典的理解，如collections的OrderedDict模块或从dictinheritance我自己的types？只要重新绑定dict名称显然不起作用， {key: value}理解语法仍然给你一个普通的理解和文字老字典。 >>> from collections import OrderedDict >>> olddict, dict = dict, OrderedDict >>> {i: i*i for i in range(3)}.__class__ <type 'dict'> 所以，如果可能的话，我该怎么做呢？没关系，只能在CPython中使用。对于语法，我想我会尝试用一个O{k: v}前缀，就像我们在r'various' u'string' b'objects' 。注意：当然，我们可以用一个生成器expression式来代替，但是我更感兴趣的是用语法来看待可用的python。

为什么string的开始慢于？: 令人惊讶的是，我发现启动比in ： In [10]: s="ABCD"*10 In [11]: %timeit s.startswith("XYZ") 1000000 loops, best of 3: 307 ns per loop In [12]: %timeit "XYZ" in s 10000000 loops, best of 3: 81.7 ns per loop 众所周知， in操作中需要search整个string，并且只需要检查前几个字符，因此startswith应该更有效率。当s足够大时，启动速度更快： In [13]: s="ABCD"*200 In [14]: %timeit s.startswith("XYZ") 1000000 loops, best of 3: 306 ns per loop In [15]: %timeit […]

variables分配比一个class轮更快: 我遇到了这个奇怪的行为，但没有解释。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variables赋值相比，如何比使用临时variables的单线程快27％以上？通过Python文档，垃圾收集在timeit期间被禁用，所以不能这样做。这是一种优化？结果也可能在Python 2.x中被重现，尽pipe程度较低。运行Windows 7，CPython 3.5.1，Intel i7 3.40 GHz，64位操作系统和Python。看起来像一个不同的机器，我已经尝试运行在英特尔i7 3.60 GHz与Python 3.5.0不会重现结果。使用timeit.timeit() @ […]

IronPython与Python .NET: 我想从Python代码中访问一些用C＃编写的.NET程序集。有一点研究表明我有两个select：具有.NET接口function/支持内置的IronPython Python与Python .NET包两种解决scheme之间的折衷是什么？

list（）使用比列表理解更多的内存: 所以我在玩list对象，发现了一些奇怪的事情，如果使用list()创buildlist()它比列表理解使用更多的内存？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：列表可能以几种方式构build：用一对方括号表示空列表： [] […]

为什么tuple（set（））== tuple（set（））85％的时间哈希随机化启用？: 给零比雷埃夫斯的另一个问题的答案，我们有这个 x = tuple(set([1, "a", "b", "c", "z", "f"])) y = tuple(set(["a", "b", "c", "z", "f", 1])) print(x == y) 大约85％的时间打印True 哈希随机化启用。为什么85％？

为什么迭代一个小string比一个小列表慢？: 我正在玩timeit，注意到对一个小string做一个简单的列表理解要比在一个小单string列表上做同样的操作花费的时间要长。任何解释？这几乎是时间的1.35倍。 >>> from timeit import timeit >>> timeit("[x for x in 'abc']") 2.0691067844831528 >>> timeit("[x for x in ['a', 'b', 'c']]") 1.5286479570345861 什么发生在一个较低的水平，这是由此造成的？

为什么PyPy的速度提高了6.3倍，我不应该在Python上使用Pyython呢？: 我已经听说了许多关于PyPy项目。他们声称它比他们网站上的CPython解释器快6.3倍。每当我们谈论像Python这样的dynamic语言时，速度就是最重要的问题之一。为了解决这个问题，他们说PyPy比以前快了6.3倍。第二个问题是并行，臭名昭着的全球口译员锁（GIL）。为此，PyPy说它可以给GIL更less的Python 。如果PyPy能够解决这些巨大的挑战，那么它的弱点是什么阻止了更广泛的采用？也就是说，什么阻止像我这样的典型的Python开发人员现在切换到PyPy？

Python与Cpython: 有什么关于Python和CPython （Jython，IronPython）的大惊小怪，我不明白： python.org提到CPython是： Python的“传统”实现（绰号CPython）另一个堆栈溢出问题提到： CPython是Python的默认字节码解释器，用C语言编写老实说，我不明白这两个解释实际上是什么意思，但我认为是，如果我使用CPython这是否意味着当我运行一个示例Python代码，它编译到C语言，然后执行它，就像它是C码那么CPython究竟是什么，它与Python相比有什么不同，我应该使用CPython而不是Python吗？如果有的话，它有什么优势？

从Python打印到标准打印机？: 是否有合理的标准和跨平台的方式来打印文本（甚至是PS / PDF）到系统定义的打印机？假设CPython在这里，不像使用Jython和Java打印API那样聪明。