- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我需要生成10GB的随机数据。
我编写了下面的python脚本,通过将包含可打印的任意长度的ASCII字符的字符串写入每行文件来生成所需的字节数
它需要3个命令行参数。
1)尺寸
2)字符串的最小长度(可选参数,默认为4)
3)字符串的最大长度(可选参数,默认值为10)
这个程序既不使用内存,也不做大量的IO。我可以使用什么策略来增加单位时间写入的字节数。
import random
import sys
K_SIZE = 1000
class Generator:
def __init__(self,low=4,high=10):
self.table = {i:chr(i) for i in range(33,127)}
self.low = low
self.high = high
def create_n_bytes(self,total_bytes):
bytes_created = 0
"""Hack at the moment, this condition will fail only after more than n bytes are
written """
while bytes_created < total_bytes:
bytes_to_create = random.randint(self.low,self.high)
bytes_created = bytes_created+bytes_to_create+1
word=[""]*bytes_to_create
for i in range(bytes_to_create):
word[i] = self.table[random.randint(33,126)]
text = "".join(word)
#print(str(hash(text))+"\t"+text)
print(text)
def get_file_size_from_command_line():
size = sys.argv[1]
return size
def get_min_word_len_from_command_line():
if len(sys.argv) > 2:
low = sys.argv[2]
return int(low)
def get_max_word_len_from_command_line():
if len(sys.argv) > 3:
high = sys.argv[3]
return int(high)
def get_file_size_in_bytes(size):
multiplier = 1
size_unit = size[-1]
if size_unit == 'M' or size_unit == 'm':
multiplier = K_SIZE*K_SIZE
elif size_unit == 'K' or size_unit == 'k':
multiplier = K_SIZE
elif size_unit == 'G' or size_unit == 'g':
multiplier = K_SIZE*K_SIZE*K_SIZE
elif size_unit in ('0','1','2','3','4','5','6','7','8','9'):
multiplier = 1
else:
print("invalid size")
exit()
total_bytes = 0
if multiplier == 1:
total_bytes = int(size)
else:
total_bytes = multiplier*int(size[:len(size)-1])
return total_bytes
def main():
if len(sys.argv) == 2:
gen = Generator()
elif len(sys.argv) == 3:
gen = Generator(get_min_word_len_from_command_line())
elif len(sys.argv) == 4:
gen = Generator(get_min_word_len_from_command_line(),get_max_word_len_from_command_line())
file_size = get_file_size_in_bytes(get_file_size_from_command_line())
gen.create_n_bytes(file_size)
if __name__== "__main__":
main()
最佳答案
首先,如果要生成纯ASCII,并且需要尽可能快地生成,那么生成bytes
可能要比生成str
快。如果需要,您可以随时调用decode('ascii')
,但更简单的是,直接将它们写到sys.stdout.buffer
或sys.stdout.buffer.raw
。
这意味着您可以去掉将数字映射到chr
值的表,只需从int构造一个bytes
或bytearray
。(只要所有的值都在range(0, 128)
中,就可以保证得到相同的结果,但是只有一个函数调用,其中包含一个C循环,而不是Python循环中的函数调用。)
另外,您可以调用random.choices(range(33, 127), k=N)
并将结果传递给bytes
构造函数,而不是构造一个N个空字符串的列表,然后逐个替换它们。
正如Dillon Davis所指出的,当我们在这里的时候,randint
是相当慢的;通过手动执行相同的逻辑,您可以获得3-5倍的速度。这在这里没什么大不了的(我们只花了几百块钱就做了一块),但还是可以解决的。
所以,把这些放在一起:
def create_n_bytes(self,total_bytes):
bytes_created = 0
"""Hack at the moment, this condition will fail only after more than n bytes are
written """
chars = range(33, 127)
while bytes_created < total_bytes:
bytes_to_create = int(random.random() * (high-low+1) + low)
word = bytes(random.choices(chars, k=bytes_to_create))
bytes_created = bytes_created+bytes_to_create+1
sys.stdout.buffer.write(word + b'\n')
# necessary if you're doing any prints between calls
sys.stdout.flush()
randint
和
choices
和
randint
(或者
choices
-尝试两种方法)。
sys.stdout.buffer
值,但也可能意味着在NumPy中拖动:
buf = np.random.randint(33, 127, size=total_bytes, dtype=np.uint8)
sys.stdout.buffer.write
到
total_bytes
字节的单词?我想不出什么是真正聪明的,但是一个愚蠢的循环应该比上面所有的代码都快:
i = 0
while i < len(buf) - self.high:
i += random.randint(self.low, self.high)
buf[i] = 10 # newline
sys.stdout.buffer.write(buf.data[:i])
low
的几率,对吧?
high
返回的
total_bytes
进行切片而不是对数组进行切片并对其调用
1/(high-low)
有点老套,但考虑到我们创建数组的方式,它保证会执行相同的操作,而且可能会节省几微秒,因此可能值得使用注释。)
sizes = np.random.randint(self.low, self.high, total_bytes//self.low, dtype=np.int32)
offsets = np.cumsum(sizes)
last = np.searchsorted(offsets, 1000)
offsets = offsets[:last]
buf[offsets] = 10
memoryview
或
data
),以及您选择的参数。
to_bytes()
、
/dev/null
和
NUL
(我使用
low=4
表示NumPy失败),在我的笔记本电脑上运行(macOS、iTerm中的IPython,而不是重定向stdout、CPython 3.7.0和pypypy 3.5.2/5.10),下面是我的结果:
high=10
的我的版本:911微秒
total_bytes=1000
:909微秒的我的版本
1010
):799微秒
randint
的我的版本:405微秒
random
):295微秒
random.choices
/
randint
版本,但与原来的NumPy版本进行了对比测试,stdout重定向到/dev/null:
random
版本:41微秒
关于python - 减少程序生成随机数据的运行时间,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51488974/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!