print bytearray python

Python cómo calcular una suma de comprobación simple tan rápido como zlib.adler32

Question

Deseo calcular una suma de comprobación simple: simplemente agregando los valores de todos los bytes.

La forma más rápida que encontré es:

checksum = sum([ord(c) for c in buf])

Pero para los datos de 13 Mb, tarda 4,4 s: demasiado tiempo (en C, tarda 0,5 s)

Si uso:

checksum = zlib.adler32(buf) & 0xffffffff

lleva 0,8 s, pero el resultado no es el que yo quiero.

Entonces mi pregunta es: ¿hay alguna función, lib o C para incluir en Python 2.6, para calcular una suma de comprobación simple?

Gracias por adelantado, Eric.

Answer 1

Puede usar sum(bytearray(buf)) :

In [1]: buf = b''a''*(13*(1<<20))

In [2]: %timeit sum(ord(c) for c in buf)
1 loops, best of 3: 1.25 s per loop

In [3]: %timeit sum(imap(ord, buf))
1 loops, best of 3: 564 ms per loop

In [4]: %timeit b=bytearray(buf); sum(b)
10 loops, best of 3: 101 ms per loop

Aquí hay una extensión C para Python escrita en Cython , sumbytes.pyx file:

from libc.limits cimport ULLONG_MAX, UCHAR_MAX

def sumbytes(bytes buf not None):
    cdef:
        unsigned long long total = 0
        unsigned char c
    if len(buf) > (ULLONG_MAX // <size_t>UCHAR_MAX):
        raise NotImplementedError #todo: implement for > 8 PiB available memory
    for c in buf:
        total += c
    return total

sumbytes es ~ 10 veces más rápido que la variante de bytearray :

name                    time ratio
sumbytes_sumbytes    12 msec  1.00 
sumbytes_numpy     29.6 msec  2.48 
sumbytes_bytearray  122 msec 10.19 

Para reproducir las medidas de tiempo, descargue reporttime.py y ejecute:

#!/usr/bin/env python
# compile on-the-fly
import pyximport; pyximport.install() # pip install cython
import numpy as np 
from reporttime import get_functions_with_prefix, measure    
from sumbytes import sumbytes # from sumbytes.pyx

def sumbytes_sumbytes(input):
    return sumbytes(input)

def sumbytes_bytearray(input):
    return sum(bytearray(input))

def sumbytes_numpy(input):
    return np.frombuffer(input, ''uint8'').sum() # @root''s answer

def main():
    funcs = get_functions_with_prefix(''sumbytes_'')
    buf = ''''.join(map(unichr, range(256))).encode(''latin1'') * (1 << 16)
    measure(funcs, args=[buf])

main()

Answer 2

Use numpy.frombuffer(buf, "uint8").sum() , parece ser aproximadamente 70 veces más rápido que su ejemplo:

In [9]: import numpy as np

In [10]: buf = b''a''*(13*(1<<20))

In [11]: sum(bytearray(buf))
Out[11]: 1322254336

In [12]: %timeit sum(bytearray(buf))
1 loops, best of 3: 253 ms per loop

In [13]: np.frombuffer(buf, "uint8").sum()
Out[13]: 1322254336

In [14]: %timeit np.frombuffer(buf, "uint8").sum()
10 loops, best of 3: 36.7 ms per loop

In [15]: %timeit sum([ord(c) for c in buf])
1 loops, best of 3: 2.65 s per loop