Python 潮流周刊#29：Rust 会比 Python 慢？！
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。另有电报频道作为副刊，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。猫哥邀请你一起使用 FlowUs 提升个人生产力：https://flowus.cn/login?code=MX4369
🦄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！
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）
3、Python 是 Easy，Go 是 Simple，但 Simple != Easy
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
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。
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）
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！
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 ……
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。
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']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。
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。
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？ 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
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）
2、awesome-django-performance：精选资源，用于分析和优化 Django 项目
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
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
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。
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。
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
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
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）
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。
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
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
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）
🐢播客&视频
1、Talk Python To Me #439：Pixi 一个高性能的包管理器
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
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
Reddit 上的热门讨论帖，也有近 700 条评论，需要刷很久才能看完。。。
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。
