Python 字符串池化的前提
前言
在 Python 中經(jīng)常通過(guò)內(nèi)存池化技術(shù)來(lái)提高其性能,那么問(wèn)題來(lái)了,在什么情況下會(huì)池化呢? 讓我們通過(guò)幾個(gè)例子進(jìn)行一下理解一下.
預(yù)備知識(shí)
在查看例子之前,首先要提 python 中的一個(gè)函數(shù) id(),讓我們看一下函數(shù)說(shuō)明:
id(obj, /) Return the identity of an object. This is guaranteed to be unique among simultaneously existing objects. (CPython uses the object \'s memory address.)
通過(guò)上述說(shuō)明,可以得知 id() 將會(huì)返回對(duì)像的唯一標(biāo)識(shí),在 CPython 中將會(huì)返回內(nèi)存地址,也就是說(shuō)如果兩個(gè)對(duì)象 的 id 值一樣,可以說(shuō)著兩個(gè)對(duì)象是相同的了.
例子
example 00
a = "" b = "" print(id(a),id(b)) print(a is b)
輸出結(jié)果:
>>> a = ""
>>> b = ""
>>> print(id(a),id(b))
2114853370544 2114853370544
>>> print(a is b)
True
example 01
a = "a" b = "a" print(id(a),id(b)) print(a is b)
輸出結(jié)果:
>>> a = "a"
>>> b = "a"
>>> print(id(a),id(b))
2114883022608 2114883022608
>>> print(a is b)
True
example 02
a = "magic_string" b = "magic" + "_" + "string" print(id(a),id(b)) print(a is b)
輸出結(jié)果:
>>> a = "magic_string"
>>> b = "magic" + "_" + "string"
>>> print(id(a),id(b))
2114887161136 2114887161136
>>> print(a is b)
True
example 03
a = "magic!" b = "mgaic!" print(id(a),id(b)) print(a is b)
輸出結(jié)果:
>>> a = "magic!"
>>> b = "mgaic!"
>>> print(id(a),id(b))
2114885855416 2114889455408
>>> print(a is b)
False
example 04
a,b = "magic!","magic!" print(id(a),id(b)) print(a is b)
輸出結(jié)果:
>>> a,b = "magic!","magic!"
>>> print(id(a),id(b))
2114885691912 2114885691912
>>> print(a is b)
True
example 05
a = "!" b = "!" print(id(a),id(b)) print(a is b)
輸出結(jié)果:
>>> a = "!"
>>> b = "!"
>>> print(id(a),id(b))
140564571922024 140564571922024
>>> print(a is b)
True
example 06
print(a*20 is 'aaaaaaaaaaaaaaaaaaaa') print(a*21 is 'aaaaaaaaaaaaaaaaaaaaa')
輸出結(jié)果:
>>> print(a*20 is 'aaaaaaaaaaaaaaaaaaaa')
False
>>> print(a*21 is 'aaaaaaaaaaaaaaaaaaaaa')
False
總結(jié)
通過(guò)上述 7 個(gè)例子,我們不難對(duì) python 的字符串池化有個(gè)大概的認(rèn)識(shí),我們這里做個(gè)簡(jiǎn)單的總結(jié):
- 通過(guò) example 00,01,05,我們可以得出對(duì)于長(zhǎng)度為 0 或者 1 的字符串會(huì)被池化
- 通過(guò) example 02,03,我們可以得出字符串中只包含字母數(shù)字以及下劃線的字符串會(huì)被池化
- 通過(guò) example 04, 我們可以得出當(dāng)在同一行對(duì)不同變量,賦值如果相同的話,它們將會(huì)指向同一個(gè)對(duì)象,注意這里面的 “magic!” 并不符合池化的要求,這只是一種編譯器的優(yōu)化
- example 06 所出現(xiàn)的現(xiàn)象在 python 中有一個(gè)專(zhuān)業(yè)的術(shù)語(yǔ),講常量折疊(constant folding),顧名思義,在編譯優(yōu)化時(shí),講能夠計(jì)算出的結(jié)果的變量直接替換為常量.但是這沒(méi)有限制嗎?顯然不是的,在我們的例子中已經(jīng)發(fā)現(xiàn),當(dāng)長(zhǎng)度超過(guò)20的時(shí)候,折疊就會(huì)失效了,試想一下,如果沒(méi)有限制的話,初始化的字符串過(guò)長(zhǎng),將會(huì)嚴(yán)重導(dǎo)致性能的下降以及內(nèi)存的消耗
參考鏈接
The internals of Python string interning
Python String objects implementation
以上就是Python 字符串池化的前提的詳細(xì)內(nèi)容,更多關(guān)于Python 字符串池化的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章!
- keras中的卷積層&池化層的用法
- 淺談pytorch池化maxpool2D注意事項(xiàng)
- TensorFlow tf.nn.max_pool實(shí)現(xiàn)池化操作方式
- PyTorch的自適應(yīng)池化Adaptive Pooling實(shí)例
- pytorch torch.nn.AdaptiveAvgPool2d()自適應(yīng)平均池化函數(shù)詳解
- 對(duì)Pytorch中Tensor的各種池化操作解析
- pytorch中的卷積和池化計(jì)算方式詳解
- 淺談tensorflow1.0 池化層(pooling)和全連接層(dense)
- 詳解commons-pool2池化技術(shù)
相關(guān)文章
python爬蟲(chóng)系列網(wǎng)絡(luò)請(qǐng)求案例詳解
這篇文章主要介紹了【Python從零到壹】python爬蟲(chóng)系列-網(wǎng)絡(luò)請(qǐng)求,從零開(kāi)始學(xué)習(xí)Python網(wǎng)絡(luò)爬蟲(chóng),如何從中獲取需要的數(shù)據(jù)信息,現(xiàn)整理出零基礎(chǔ)如何學(xué)爬蟲(chóng)技術(shù)以供學(xué)習(xí)2021-04-04使用python實(shí)現(xiàn)strcmp函數(shù)功能示例
這篇文章主要介紹了使用python實(shí)現(xiàn)strcmp函數(shù)功能的示例,需要的朋友可以參考下2014-03-03Python3將數(shù)據(jù)保存為txt文件的方法
這篇文章主要介紹了Python3將數(shù)據(jù)保存為txt文件的方法,非常不錯(cuò),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2019-09-09python smtplib模塊實(shí)現(xiàn)發(fā)送郵件帶附件sendmail
這篇文章主要為大家詳細(xì)介紹了python smtplib模塊實(shí)現(xiàn)發(fā)送郵件帶附件sendmail,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2018-05-05