Python 潮流周刊#21：如何提升及测量 Python 代码的性能？
△点击上方“Python猫”关注 ，回复“1”领取电子书
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。标题取自其中三则分享，不代表全部内容都是该主题，特此声明。
本周刊由 Python猫 出品，精心筛选国内外的 250+ 信息源，为你挑选最值得分享的文章、教程、开源项目、软件工具、播客和视频、热门话题等内容。愿景：帮助所有读者精进 Python 技术，并增长职业和副业的收入。
本周刊开通 Telegram 频道后，已有 700+ 小伙伴加入，欢迎你到来：https://t.me/pythontrendingweekly
🦄文章&教程
1、在单核情况下加快 Python 代码速度[1]
文章使用弗洛伊德-斯坦伯格抖动算法为例，使用各种技巧来提升代码性能，实现将耗时从 2339 微秒逐步降低到 554 微秒。涉及的一些概念：指令级并行 （ILP）、分支预测、单指令多数据（SIMD）、内存层次结构等。
2、使用 Radon 作 Python 的代码度量[2]
一篇基础的入门教程，了解如何用 Radon 来衡量 Python 的代码复杂度，即计算圈复杂度等指标，介绍了相关命令的使用。
3、Python（大部分）由语法糖组成[3]
Brett Cannon 写了一系列关于“语法糖”的博客，解析了 80 多个语法糖特性。文章基于他在 PyCon 的演讲及博客，介绍了其中的部分内容。
4、迎接新的 SymPy[4]
SymPy 是一个用于符号计算（symbolic computation）的库，可以处理代数、微积分、离散数学等领域的问题。这是一个系列文章，介绍它将迎来的重大变化。文章描述了 SymPy 当前存在的速度问题、为加速它而作的工作、将来的提速计划。（附：系列第二篇：SymPy 多项式计算[5]）
5、使用 import-linter 让你的 Python 项目架构更整洁[6]
在依赖关系治理方面，import-linter[7] 是一个非常有用的工具。它通过提供各种类型的“契约”，让我们得以将项目内隐式的复杂依赖关系，通过配置文件显式的表达出来。文章介绍了它的入门使用，以及 6 种修复依赖关系的技巧。
6、CPython 如何用布隆过滤器作字符串处理？[8]
CPython 在处理字符串时使用了布隆过滤器，比如 splitlines()、strip() 两个函数，文章介绍了它们的实现原理。文章还介绍了典型布隆过滤器的实现原理，以及 CPython 中布隆过滤器的实现（不到 50 行 C 代码）。
7、Python 中 UUID 的使用[9]
介绍了uuid 库的几个方法：uuid1() 利用系统 MAC 地址与时间戳生成 uuid；uuid4() 生成完全随机的 uuid；uuid3() 和 uuid5() 基于常量命名空间和变量名生成 uuid，前者使用 MD5 算法，后者使用 SHA-1 算法。
8、为什么有这么多 Python Dataframe？[10]
为什么会有 Pandas、Polars、Dask 和 PySpark 等大量的 Dataframe 库？作者认为主要的原因是它的四种角色模型：电子表格、关系数据库、二维数组/矩阵、对象，以及由此衍生出的一系列问题。
9、使用 Python 模拟“三门问题”[11]
Monty Hall 问题也被称为三门问题，是一道挑战人们直觉的概率问题。文章使用 Python 来模拟这个问题，看看需要多久才能赢取奖品。
10、6 件可以用 Functools 模块做的很酷的事[12]
文章介绍了 functools 标准库的 6 个使用场景：@cache 缓存、@total_ordering 让你少写双下方法、partial() 冻结函数、@singledispatch 泛型函数、@wraps 装饰器、reduce() 函数。
11、深入理解 pytest.main()：Python 测试框架的核心功能解析[13]
pytest.main 是 Pytest 框架中一个非常实用的函数，用于从命令行运行测试集或者以编程方式运行测试。文章探讨了它的用法和一些常见的应用场景。
12、7 个极佳的 Python 身份验证库[14]
介绍了 7 个不错的身份验证库：Authlib、Pyjwt、Flask-login、Django-allauth、ItsDangerous、Python Social Auth、Flask-security。（附：中文翻译[15]）
🎁Python潮流周刊🎁已免费发布了 21 期，访问下方链接，即可查看全部内容：https://pythoncat.top/tags/weekly[16]
如果你觉得周刊有价值，请表达小小心意，赞赏一下猫哥吧~~
🐿️项目&资源
1、radon：Python 代码的各种指标[17]
一个 Python 代码指标分析工具，可以计算圈复杂度、原始指标、Halstead 指标、可维护性指数，可用于 CI 集成，可与 Jupyter Notebook 一起使用。（star 1.5K）
2、agents：自主语言代理的开源框架[18]
自主语言代理（Autonomous Language Agents）指的是能够独立执行自然语言处理任务的智能代理系统。这个库支持长期短期记忆、工具使用、Web 导航、多 agent 通信、人机交互和符号控制等功能。（star 2.6K）
3、quasiqueue：一个多进程库[19]
一个用于 Python 多进程的库，便于管理长时间运行的多进程作业。可处理进程创建和清理、信号管理、跨进程通信以及其它在处理多进程时的麻烦事。
4、pygraft：可配置的模式和知识图谱生成[20]
可根据用户指定的参数生成逼真的模式和知识图谱，通过使用 DL 推理器（HermiT）来确保逻辑一致性。
5、toml-bench：在 Python 中该用哪个 toml 库？[21]
这个仓库主要从多个维度比较了 toml、tomli/tomli_w、tomlkit、pytomlpp、rtoml 和 qtoml 这几个库，考察它们在处理数据时的行为表现以及性能。
6、SyncDreamer：以单视角图像生成多视角一致的图像[22]
提供一张图片，使用 Paint3D 分割前景对象，通过推理生成多个视角的图像。
7、nanosam：使用 NVIDIA TensorRT 实时运行的 SAM 模型[23]
Segment Anything（SAM）是在计算机视觉领域中对图像或视频中的任何对象进行分割的任务，以提取出具有语义或视觉特征的子区域或对象。
8、logparser：用于日志解析的机器学习工具包[24]
国人开源作品。可自动从非结构化的日志信息中提取出结构化的关键信息。（star 1.2K）
9、llama2.mojo：纯 Mojo 版本的 Llama 2[25]
作者将 Python 版本的 llama2.py 移植成 Mojo 版本，将性能提高了近 250 倍。（star 1.1K）
10、bisheng：一个开放的 LLM DevOps 平台[26]
一款领先的开源大模型应用开发平台，中文“毕昇”，可以搭建各类丰富的大模型应用：分析报告生成、知识库问答、对话、要素提取等。
🐢播客&视频
1、EuroPython 2023 的 146 个视频[27]
今年 EuroPython 活动的演讲视频。
2、Real Python 播客 #172：使用 Scalene 测量 Python 性能[28]
Scalene 是一款高性能的 CPU、GPU 和内存分析器，可以从单个函数或代码行级别分析代码，并比较在 Python 和 C 代码中花费的时间。播客嘉宾是马萨诸塞大学教授，他与学校实验室的学生开发了 Scalene。
🐱赞助&支持
如果你喜欢周刊，请分享给其他需要的同学，让更多人可以从中受益～
如果你觉得周刊有价值，请随意赞赏[29] 或 买杯咖啡[30] 进行支持！
如果你想帮助周刊办得更好，欢迎向我们投稿或提出建议：投稿/建议通道[31]
如果你是品牌方或广告主，欢迎私信我，洽谈赞助与合作事项。
🐼欢迎订阅
微信公众号[32]：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[33] 及 RSS[34]：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[35]：你可以获取本周刊的 Markdown 源文件，做任何想做的事！ 邮件[36]：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[37]：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[38]：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
在单核情况下加快 Python 代码速度: https://pythonspeed.com/articles/optimizing-dithering/
[2]使用 Radon 作 Python 的代码度量: https://www.blog.pythonlibrary.org/2023/09/20/learning-about-code-metrics-in-python-with-radon/
[3]Python（大部分）由语法糖组成: https://lwn.net/Articles/942767/
[4]迎接新的 SymPy: https://oscarbenjamin.github.io/blog/czi/post1.html
[5]系列第二篇：SymPy 多项式计算: https://oscarbenjamin.github.io/blog/czi/post2.html
[6]使用 import-linter 让你的 Python 项目架构更整洁: https://www.piglei.com/articles/use-import-linter-to-lint-proj-arch/
[7]import-linter: https://github.com/seddonym/import-linter
[8]CPython 如何用布隆过滤器作字符串处理？: https://codeconfessions.substack.com/p/cpython-bloom-filter-usage
[9]Python 中 UUID 的使用: https://medium.com/@m____b____/uuids-with-python-b133cead1b4c
[10]为什么有这么多 Python Dataframe？: https://ponder.io/why-are-there-so-many-python-dataframes/
[11]使用 Python 模拟“三门问题”: https://www.dataschool.io/python-probability-simulation/
[12]6 件可以用 Functools 模块做的很酷的事: https://pybit.es/articles/6-cool-things-you-can-do-with-the-functools-module/
[13]深入理解 pytest.main()：Python 测试框架的核心功能解析: https://juejin.cn/post/7281491804736831542
[14]7 个极佳的 Python 身份验证库: https://python.plainenglish.io/7-best-python-authentication-libraries-you-should-use-in-your-next-project-c07b668d5348
[15]中文翻译: https://juejin.cn/post/7281150086351732751
[16]https://pythoncat.top/tags/weekly: https://pythoncat.top/tags/weekly
[17]radon：Python 代码的各种指标: https://github.com/rubik/radon
[18]agents：自主语言代理的开源框架: https://github.com/aiwaves-cn/agents
[19]quasiqueue：一个多进程库: https://github.com/tedivm/quasiqueue
[20]pygraft：可配置的模式和知识图谱生成: https://github.com/nicolas-hbt/pygraft
[21]toml-bench：在 Python 中该用哪个 toml 库？: https://github.com/pwwang/toml-bench
[22]SyncDreamer：以单视角图像生成多视角一致的图像: https://github.com/liuyuan-pal/SyncDreamer
[23]nanosam：使用 NVIDIA TensorRT 实时运行的 SAM 模型: https://github.com/NVIDIA-AI-IOT/nanosam
[24]logparser：用于日志解析的机器学习工具包: https://github.com/logpai/logparser
[25]llama2.mojo：纯 Mojo 版本的 Llama 2: https://github.com/tairov/llama2.mojo
[26]bisheng：一个开放的 LLM DevOps 平台: https://github.com/dataelement/bisheng
[27]EuroPython 2023 的 146 个视频: https://www.youtube.com/playlist?list=PL8uoeex94UhFcwvAfWHybD7SfNgIUBRo-
[28]Real Python 播客 #172：使用 Scalene 测量 Python 性能: https://realpython.com/podcasts/rpp/172/
[29]赞赏: https://img.pythoncat.top/wechat_code.png
[30]买杯咖啡: https://www.buymeacoffee.com/pythoncat
[31]投稿/建议通道: https://github.com/chinesehuazhou/python-weekly/issues/new
[32]微信公众号: https://img.pythoncat.top/python_cat.jpg
[33]博客: https://pythoncat.top
[34]RSS: https://pythoncat.top/rss.xml
[35]Github: https://github.com/chinesehuazhou/python-weekly
[36]邮件: https://pythoncat.substack.com
[37]Telegram: https://t.me/pythontrendingweekly
[38]Twitter: https://twitter.com/chinesehuazhou