当前位置：首页 > news >正文

Python 潮流周刊#29：Rust 会比 Python 慢？！

news 文章来源：https://blog.csdn.net/chinesehuazhou2/article/details/134760080 2024/11/15 4:32:41

△请给“Python猫”加星标，以免错过文章推送

你好，我是猫哥。这里每周分享优质的 Python、AI 及通用技术内容，大部分为英文。本周刊开源，欢迎投稿^[1]。另有电报频道^[2]作为副刊，补充发布更加丰富的资讯。

🐱产品推荐

FlowUs 息流是新一代知识管理与协作平台，支持云文档、多维表、文件夹、团队空间，提供 100+ 模板，可用于管理笔记、安排计划、文档协作、制作个人主页等。猫哥邀请你一起用 FlowUs 提升个人生产力：

🦄文章&教程

1、Rust std fs 比 Python 慢！真的吗！？

一篇长文，由一个诡异的问题开始：Rust 写的程序竟然比 Python 慢？！作者在定位根因的过程中，多次得到 Rust 方案比 Python 慢的结果，甚至 C 版本代码也比 Python 的慢！层层深入，用上各种定位手段，最后发现竟然是 AMD CPU 内核的问题！

2、Python 中性能最快的时间戳函数是哪个？^[3]

Python 中有哪些获取时间戳的函数？它们的性能表现如何？文章取了 7 种函数进行性能测算，发现 time.time() 是最快的。文章发布后引起了一些争议，于是作者写了第二篇，做了 Win10、WSL2 和 Ubuntu20 的对比，也增加了 Python 3.10 和 3.12 的对比。（附：第二篇性能对比的文章^[4]）

调用50万次所需的时间

3、Python 是 Easy，Go 是 Simple，但 Simple != Easy^[5]

Python 简单易用门槛低，因为它把很多复杂的工作交给了解释器，这使得它适合用作原型设计，快速开发应用。Go 语言也简单，但相比 Python 的规则要多一些，性能也更高。作者的建议是同时发挥两者的优势。

4、使用 Numba 提升 pandas.DataFrame.apply 的 C 级别性能^[6]

在 Pandas 2.2.0 中，DataFrame.apply 可以指定一个新的 numba 引擎，实现并行化的操作。文章介绍了这个引擎的工作原理、它支持的应用场景及无法做到的事，同时给出了多项性能测试的数据。

5、一份杂乱的 Flask 维护任务清单^[7]

作者是 Flask 的维护者之一，列出了一份任务清单，提供给 Flask 的贡献者们方便着手处理。我们多数人没有维护开源项目的经验，或许无法想象项目维护者们要做那一大堆与编码完全无关的事。（题外话：Flask 的 star 数在本周已落后于 FastAPI，失去了 Web 框架第二高 star 的位置）

6、用子解释器运行 Python 并行程序^[8]

Python 3.12 开放了子解释器的一个 API，它有什么用呢？子解释器与多线程、多进程有什么区别，它们的性能差距有多少？将子解释器用于 Web 开发，会有什么效果？作者用开发中的 Python 3.13 做了一些实验，结果有惊喜也有程序异常。期待明年真正无-GIL 的 Python 吧！

工作负载和执行时间的增长率

7、新的开源库 VS. 旧的开源库 ^[9]

文章选取了 10 组在 Python 社区很知名的库，同时给出它们相对应的替代库，这里最没争议的估计是 Ruff 替代 Pylint，其它则还有：Taipy/Streamlit、Polars/Pandas、Dask/PySpark、PyTorch/TensorFlow ……

8、在 Pandas 的世界中使用 Polars^[10]

Polars 是速度更快、内存效率更高、更易于使用的数据处理库，可作为 Pandas 的替换。但是替换后如何与第三方库更好地集成呢？文章介绍了几种处理方法，实现从 Pandas 到 Polars 的无缝切换。

9、Python 的软关键字有哪些？^[11]

软关键字（soft keyword）指的是可以被重新赋值的关键字。作者想利用正则表达式从 Python 最新的语法文件中找出所有的软关键字。最后得知只需下面两行代码就能做到（以下是 Python 3.12 的结果，即现在有 4 个软关键字）：

>>> import keyword
>>> keyword.softkwlist
['_', 'case', 'match', 'type']

10、用 Python 实现机器人爸爸^[12]

为了应对小孩的提问，作者开发了一个“机器人爸爸”。用到了 Eleven Labs 作声音克隆，用 Picovoice 语音转文字提取唤醒词，最后调用 ChatGPT 接口获取答案。

11、如何（以及如何不）设计 REST API^[13]

文章列出了十多项 REST API 的最佳实践规则，解释了规则的含义及实现，另外，作者嘲笑了几家公司被广泛使用的 API，将它们作为规则的反例。

12、如何调试 Asyncio 程序？^[14]

文章介绍了几种调试 Asyncio 代码的方法，包括启用它的调试日志、在调试模式下运行事件循环、自定义调试信息等。（附：文章的姊妹篇如何分析 Asyncio 程序？^[15] 分析慢程序和高频函数）

🐿️项目&资源

1、marker：高效将 PDF/EPUB/MOBI 转换为 Markdown^[16]

支持将多种文件格式转换为 markdown，可删除页眉/页脚，将方程式转换为 latex，格式化处理代码块和表格，另外也支持多种语言。（star 2.3K）（附：将整本 PDF 版《Think Python》转换后的效果^[17]）

与Nougat在速度和准确性的对比

2、awesome-django-performance：精选资源，用于分析和优化 Django 项目^[18]

这个项目整理了一些库、工具、文章和书籍，主要集中在 profile、数据库、缓存、序列化、任务处理和监测等方面。

3、datamodel-code-generator：将 JSON/YAML 转换为 Pydantic 模型^[19]

一个数据模型代码生成器，支持多种输入类型（OpenAPI、JSON、YAML、CSV、Python 字典、GraphQL），输出 Pydantic、dataclass、TypeDict 等类型。（star 2K）

4、fastapi-code-generator：用 openapi 文件创建 FastAPI 程序^[20]

它利用 datamodel-code-generator 生成 pydantic 模型，基于 OpenAPI 格式的接口文件，快速生成 FastAPI 项目。支持自定义模板，允许将自定义变量传给自定义模板。

5、kanban-python：终端中的看板应用程序^[21]

在命令行窗口中实现的看板应用工具，有漂亮的表格、配置与数据分离、可自动创建任务、可作任务跟踪。

看板应用的示例

6、saq：简单的异步队列^[22]

一个基于 Asyncio 和 Redis 之上的简单且高性能的任务队列框架。提供有一个简单的 UI，可查看任务队列、状态及执行详情等信息。

7、pyqtgraph：用于科学/工程应用的数据可视化及 GUI 工具^[23]

一个高性能的绘图工具库，利用 Numpy 作数值运算、用 Qt 的 GraphicsView 框架作 2D 显示和 OpenGL 作 3D 显示。（star 3.5K）

8、toga：Python 原生、OS 原生的 GUI 工具包^[24]

一个用于创建跨平台桌面应用的 GUI 工具，支持 MacOS、Windows、Linux (GTK)、Android、iOS 和单页 Web 应用。（star 3.9K）

9、autometrics-py：函数级的指标监测工具^[25]

它提供了一个装饰器，可检测函数的请求率、错误率和延迟等指标，方便你识别和调试程序的问题。支持用 Prometheus 查询与分析、开箱即用的 Grafana 仪表板、自定义告警、运行开销小。

10、compiled：Python 标准库的编译后的变体^[26]

Python 中有些标准库是用纯 Python 实现的，可能会成为性能瓶颈。这个项目将经过 mypyc 类型检查的标准库编译成 C 代码版本，比原始版本快 2-4 倍。目前已完成 tomllib 和 difflib，计划中还有 asyncio、urllib、zipfile、argparse 和 uuid。

11、transpyler-gpt：GPT 驱动的 Python 转译器，让代码在旧版本上运行^[27]

它借助 GPT 将高版本 Python 代码转译成目标环境的 Python 版本代码，实现向下兼容执行。例如将 Python 3.10+ 的 match-case 代码转译成 if-else 代码，可在更低 Python 版本中执行。

12、clone-voice: 一个带 web 界面的声音克隆工具^[28]

支持中文、英文、日语、韩语 4 种语言，可在线从麦克风录制声音。支持文字转语音和语音变声。（star 1.3K）

语音克隆演示

🐢播客&视频

1、Talk Python To Me #439：Pixi 一个高性能的包管理器^[29]

Pixi 是用 Rust 开发的基于 Conda 的包管理器。

2、Mouse Vs Python #23：与 Charlie Marsh 聊 Ruff Formatter^[30]

Ruff 是一个用 Rust 编写的 Python linter+formatter，而且两方面都是性能最快的。

🥂讨论&问题

1、你用 Python 做过最酷的事情是什么？^[31]

Reddit 上的热门讨论帖，也有近 700 条评论，需要刷很久才能看完。。。

2、鼓励使用命名参数的语法糖^[32]

函数的命名参数提高了可读性，但也可能使代码重复和冗长。作者提出了一个简化变量写法的语法糖，得到了不少核心开发者的支持。

🐼欢迎订阅

微信公众号^[33]：除更新周刊外，还发布其它原创作品，并转载一些优质文章。（可加好友，可加读者交流群）
博客^[34] 及 RSS^[35]：我的独立博客，上面有历年原创/翻译的技术文章，以及从 2009 年以来的一些随笔。
Github^[36]：你可以获取本周刊的 Markdown 源文件，做任何想做的事！
邮件^[37]：在 Substack 上开通的频道，满足你通过邮件阅读时事通讯的诉求。
Telegram^[38]：除了发布周刊的通知外，我将它视为一个“副刊”，补充发布更加丰富的资讯。
Twitter^[39]：我的关注列表里有大量 Python 相关的开发者与组织的账号。

参考资料

[1]

投稿: https://github.com/chinesehuazhou/python-weekly

[2]

电报频道: https://t.me/pythontrendingweekly

[3]

Python 中性能最快的时间戳函数是哪个？: https://www.dataroc.ca/blog/most-performant-timestamp-functions-python

[4]

第二篇性能对比的文章: https://www.dataroc.ca/blog/most-performant-timestamp-functions-python-2

[5]

Python 是 Easy，Go 是 Simple，但 Simple != Easy: https://preslav.me/2023/11/27/python-is-easy-golang-is-simple-simple-is-not-easy/

[6]

使用 Numba 提升 pandas.DataFrame.apply 的 C 级别性能: https://labs.quansight.org/blog/unlocking-c-level-performance-in-df-apply

[7]

一份杂乱的 Flask 维护任务清单: https://davidism.com/maintainer-notes/

[8]

用子解释器运行 Python 并行程序: https://tonybaloney.github.io/posts/sub-interpreter-web-workers.html

[9]

新的开源库 VS. 旧的开源库 : https://dev.to/taipy/new-open-source-vs-old-open-source-33k7

[10]

在 Pandas 的世界中使用 Polars: https://pythonspeed.com/articles/polars-pandas-interopability/

[11]

Python 的软关键字有哪些？: https://mathspp.com/blog/til/pythons-soft-keywords

[12]

用 Python 实现机器人爸爸: https://blog.untrod.com/2023/11/robot-dad.html

[13]

如何（以及如何不）设计 REST API: https://github.com/stickfigure/blog/wiki/How-to-(and-how-not-to)-design-REST-APIs

[14]

如何调试 Asyncio 程序？: https://superfastpython.com/debug-asyncio/

[15]

如何分析 Asyncio 程序？: https://superfastpython.com/profile-asyncio-programs/

[16]

marker：高效将 PDF/EPUB/MOBI 转换为 Markdown: https://github.com/VikParuchuri/marker

[17]

转换后的效果: https://github.com/VikParuchuri/marker/blob/master/data/examples/marker/thinkpython.md

[18]

awesome-django-performance：精选资源，用于分析和优化 Django 项目: https://github.com/st3v3nmw/awesome-django-performance

[19]

datamodel-code-generator：将 JSON/YAML 转换为 Pydantic 模型: https://github.com/koxudaxi/datamodel-code-generator

[20]

fastapi-code-generator：用 openapi 文件创建 FastAPI 程序: https://github.com/koxudaxi/fastapi-code-generator

[21]

kanban-python：终端中的看板应用程序: https://github.com/Zaloog/kanban-python

[22]

saq：简单的异步队列: https://github.com/tobymao/saq

[23]

pyqtgraph：用于科学/工程应用的数据可视化及 GUI 工具: https://github.com/pyqtgraph/pyqtgraph

[24]

toga：Python 原生、OS 原生的 GUI 工具包: https://github.com/beeware/toga

[25]

autometrics-py：函数级的指标监测工具: https://github.com/autometrics-dev/autometrics-py

[26]

compiled：Python 标准库的编译后的变体: https://github.com/pycompiled/compiled

[27]

transpyler-gpt：GPT 驱动的 Python 转译器，让代码在旧版本上运行: https://github.com/frostming/transpyler-gpt

[28]

clone-voice: 一个带 web 界面的声音克隆工具: https://github.com/jianchang512/clone-voice

[29]

Talk Python To Me #439：Pixi 一个高性能的包管理器: https://talkpython.fm/episodes/show/439/pixi-a-fast-package-manager

[30]

Mouse Vs Python #23：与 Charlie Marsh 聊 Ruff Formatter: https://www.blog.pythonlibrary.org/2023/11/27/episode-23-the-ruff-formatter-with-charlie-marsh/

[31]

你用 Python 做过最酷的事情是什么？: https://www.reddit.com/r/Python/comments/17upt2f/whats_the_coolest_things_youve_done_with_python/

[32]

鼓励使用命名参数的语法糖: https://discuss.python.org/t/syntactic-sugar-to-encourage-use-of-named-arguments/36217

[33]

微信公众号: https://img.pythoncat.top/python_cat.jpg

[34]

博客: https://pythoncat.top

[35]

RSS: https://pythoncat.top/rss.xml

[36]

Github: https://github.com/chinesehuazhou/python-weekly

[37]

邮件: https://pythoncat.substack.com

[38]

Telegram: https://t.me/pythontrendingweekly

[39]

Twitter: https://twitter.com/chinesehuazhou

如果你觉得本文有帮助

请慷慨分享和点赞，感谢啦！