- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我很惊讶 Python 3.5.2
比 Python 2.7.12
慢得多。我写了一个简单的命令行命令来计算一个巨大的 CSV 文件中的行数。
$ cat huge.csv | python -c "import sys; print(sum(1 for _ in sys.stdin))"
101253515
# it took 15 seconds
$ cat huge.csv | python3 -c "import sys; print(sum(1 for _ in sys.stdin))"
101253515
# it took 66 seconds
Python 2.7.12 耗时 15 秒,Python 3.5.2 耗时 66 秒。我预计可能会发生差异,但为什么差异如此之大? Python 3 中的哪些新特性使其在执行此类任务时速度变慢了很多?有没有更快的方法来计算 Python 3 中的行数?
我的 CPU 是 Intel(R) Core(TM) i5-3570 CPU @ 3.40GHz
。
huge.csv
的大小为 18.1 Gb,包含 101253515 行。
问这个问题,我不需要不惜一切代价准确地找到一个大文件的行数。我刚刚写了一个 Python 3 慢得多的特殊案例。实际上,我正在用 Python 3 开发一个脚本来处理大的 CSV 文件,有些操作不需要使用 csv
库。我知道,我可以用 Python 2 编写脚本,而且速度可以接受。但我想知道一种在 Python 3 中编写类似脚本的方法。这就是为什么我对在我的示例中使 Python 3 变慢的原因以及如何通过“诚实的”python 方法改进它感兴趣。
最佳答案
sys.stdin
对象在 Python3 中比在 Python2 中复杂一点。例如,默认情况下从 Python3 中的 sys.stdin
读取将输入转换为 unicode,因此它在非 unicode 字节上失败:
$ echo -e "\xf8" | python3 -c "import sys; print(sum(1 for _ in sys.stdin))"
Traceback (most recent call last):
File "<string>", line 1, in <module>
File "<string>", line 1, in <genexpr>
File "/usr/lib/python3.5/codecs.py", line 321, in decode
(result, consumed) = self._buffer_decode(data, self.errors, final)
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xf8 in position 0: invalid start byte
请注意,Python2 对该输入没有任何问题。因此,正如您所见,Python3 的 sys.stdin
在幕后做了更多事情。我不确定这是否正是造成性能损失的原因,但您可以通过在 Python3 下尝试 sys.stdin.buffer
来进一步调查它:
import sys
print(sum(1 for _ in sys.stdin.buffer))
请注意 .buffer
在 Python2 中不存在。我做了一些测试,我没有看到 Python2 的 sys.stdin
和 Python3 的 sys.stdin.buffer
之间的性能真正差异,但是 YMMV。
编辑 以下是我机器上的一些随机结果:ubuntu 16.04、i7 cpu、8GiB RAM。首先是一些 C 代码(作为比较的基础):
#include <unistd.h>
int main() {
char buffer[4096];
size_t total = 0;
while (true) {
int result = ::read(STDIN_FILENO, buffer, sizeof(buffer));
total += result;
if (result == 0) {
break;
}
}
return 0;
};
现在的文件大小:
$ ls -s --block-size=M | grep huge2.txt
10898M huge2.txt
和测试:
// a.out is a simple C equivalent code (except for the final print)
$ time cat huge2.txt | ./a.out
real 0m20.607s
user 0m0.236s
sys 0m10.600s
$ time cat huge2.txt | python -c "import sys; print(sum(1 for _ in sys.stdin))"
898773889
real 1m24.268s
user 1m20.216s
sys 0m8.724s
$ time cat huge2.txt | python3 -c "import sys; print(sum(1 for _ in sys.stdin.buffer))"
898773889
real 1m19.734s
user 1m14.432s
sys 0m11.940s
$ time cat huge2.txt | python3 -c "import sys; print(sum(1 for _ in sys.stdin))"
898773889
real 2m0.326s
user 1m56.148s
sys 0m9.876s
所以我使用的文件有点小,时间也更长(看来你有一台更好的机器,我对更大的文件没有耐心 :D )。不管怎样,Python2 和 Python3 的 sys.stdin.buffer
在我的测试中非常相似。 Python3 的 sys.stdin
要慢得多。而且它们都落后于 C 代码(几乎为 0 用户时间)。
关于python - 为什么 Python3 在我的任务上比 Python2 慢很多?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47158071/
Task.WaitAll 方法等待所有任务,Task.WaitAny 方法等待一个任务。如何等待任意N个任务? 用例:下载搜索结果页面,每个结果都需要一个单独的任务来下载和处理。如果我使用 WaitA
我正在查看一些像这样的遗留 C# 代码: await Task.Run(() => { _logger.LogException(LogLevel.Error, mes
如何在 Linux 中运行 cron 任务? 关注此Q&A ,我有这个 cron 任务要运行 - 只是将一些信息写入 txt 文件, // /var/www/cron.php $myfile = fo
原谅我的新手问题,但我想按顺序执行三个任务并在剧本中使用两个角色: 任务 角色 任务 角色 任务 这是我到目前为止(任务,角色,任务): --- - name: Task Role Task ho
我有一个依赖于 installDist 的自定义任务 - 不仅用于执行,还依赖于 installDist 输出: project.task('run', type: JavaExec, depends
从使用 Wix 创建的 MSI 运行卸载时,我需要在尝试删除任何文件之前强行终止在后台运行的进程。主要应用程序由一个托盘图标组成,它反射(reflect)了 bg 进程监控本地 Windows 服务的
我想编写 Ant 任务来自动执行启动服务器的任务,然后使用我的应用程序的 URL 打开 Internet Explorer。 显然我必须执行 startServer先任务,然后 startApplic
使用 ASP.NET 4.5,我正在尝试使用新的 async/await 玩具。我有一个 IDataReader 实现类,它包装了一个特定于供应商的阅读器(如 SqlDatareader)。我有一个简
使用命令 gradle tasks可以得到一份所有可用任务的报告。有什么方法可以向此命令添加参数并按任务组过滤任务。 我想发出类似 gradle tasks group:Demo 的命令筛选所有任务并
除了sshexec,还有什么办法吗?任务要做到这一点?我知道您可以使用 scp 复制文件任务。但是,我需要执行其他操作,例如检查是否存在某些文件夹,然后将其删除。我想使用类似 condition 的东
假设我有字符串 - "D:\ApEx_Schema\Functions\new.sql@@\main\ONEVIEW_Integration\3" 我需要将以下内容提取到 diff 变量中 - 文档名
我需要编写一个 ant 任务来确定某个文件是否是只读的,如果是,则失败。我想避免使用自定义选择器来为我们的构建系统的性质做这件事。任何人都有任何想法如何去做?我正在使用 ant 1.8 + ant-c
这是一个相当普遍的计算机科学问题,并不特定于任何操作系统或框架。 因此,我对与在线程池上切换任务相关的开销感到有些困惑。在许多情况下,给每个作业分配自己的特定线程是没有意义的(我们不想创建太多硬件线程
我正在使用以下 Ansible playbook 一次性关闭远程 Ubuntu 主机列表: - hosts: my_hosts become: yes remote_user: my_user
如何更改 Ant 中的当前工作目录? Ant documentation没有 任务,在我看来,最好的做法是不要更改当前工作目录。 但让我们假设我们仍然想这样做——你会如何做到这一点?谢谢! 最佳答案
是否可以运行 cronjob每三天一次?或者也许每月 10 次。 最佳答案 每三天运行一次 - 或更短时间在月底运行一次。 (如果上个月有 31 天,它将连续运行 2 天。) 0 0 */3 * *
如何在 Gradle 任务中执行托管在存储库中的工具? 在我的具体情况下,我正在使用 Gradle 构建一个 Android 应用程序。我添加了一项任务,将一些 protobuf 数据从文本编码为二进
我的项目有下一个结构: Root |- A |- C (depends on A) \- B (depends on A) 对于所有子项目,我们使用自己的插件生成资源:https://githu
我设置了一个具有4个节点的Hadoop群集,其中一个充当HDFS的NameNode以及Yarn主节点。该节点也是最强大的。 现在,我分发了2个文本文件,一个在node01(名称节点)上,一个在node
在 TFS 2010 中为多个用户存储任务的最佳方式是什么?我只能为一项任务分配一个。 (例如:当我计划向所有开发人员演示时) (这是一个 Scrum Msf 敏捷项目,其中任务是用户故事的一部分)
我是一名优秀的程序员,十分优秀!