Publicaciones de Telegram de Python: задачки и вопросы

#ловушка

X = 99

def selector(): # Имя X используется, но не присваивается
    print(X)        # Имя X найдено в глобальной области видимости
    
selector()

#ловушка

— 'spam' * 3 генерирует строку 'spamspamspam', которая состоит из трех повторений строки 'spam';
— используется генератор списка [], который обходит каждый символ строки 'spamspamspam';
— Функция f(x) просто возвращает переданное ей значение x без изменений.

#размяться

Модуль timeit позволяет измерить время исполнения кода.

В команде python3 -m timeit -n 1000 -r 3 "L = [1,2,3,4,5]" "M = [x + 1 for x in L]" используются несколько флагов, которые управляют поведением модуля:

-n 1000: флаг указывает количество повторений. Тестируемый код будет выполняться 1000 раз за каждую итерацию.

-r 3: флаг задает количество повторных запусков всего теста

Вывод у команды будет такой (проверено на Python 3.13.1):

1000 loops, best of 3: 111 nsec per loop

#размяться

map() — самый быстрый вариант, поскольку функция фактически работает на C. И это превышает скорости конкурентов. А кто в рейтинге взял серебро и бронзу?

Как видно, в каждой функции по 10 миллионов шагов функций — каждая строит список из 10 000 элементов 1000 раз.

Запустив сценарий в Python 3.7, мы получаем следующие результаты — map() быстрее списковых включений, они оба быстрее циклов for, а генераторные выражения и функции находятся посередине (время в секундах):

forLoop :: 2.34160
listComp : 1.31783
mapCall :: 0.41968
genExpr :: 1.92063
genFunc :: 1.93672

Генераторное выражение должно делать дополнительную работу по сохранению и
восстановлению своего состояния во время выпуска значений.

#ловушка

Модуль time позволяет замерить время исполнения кода. Вот пример функции с ее использованием:

import time

def timer(func, *args): # Упрощенная функция измерения времени
    start = time.clock()
    for i in range(1000):
        func(*args)
    return time.clock() - start # Суммарное истекшее время в секундах

Что делают остальные модули, можно посмотреть в полном списке в документации Python.