Les codes fantastiques : bouturage

Magazine
Marque
GNU/Linux Magazine
Numéro
265
Mois de parution
septembre 2023
Spécialité(s)


Résumé

Nouvel épisode des codes fantastiques avec une histoire de clonage d’arbres en Python.


Body

Pour créer un clone d’un objet en Python, la méthode standard est d’utiliser la fonction deepcopy disponible dans le module standard copy. Dans le cas qui m’intéresse, je dois cloner un objet issu de la désérialisation d’un objet au format JSON. Cela nous donne deux propriétés : l’objet est un arbre (il n’y a pas dans la structure de l’objet deux références sur le même objet), et il ne contient que des types de base (bool, int, str, float, dict, list). Essayons de voir si l’on peut exploiter ces propriétés pour faire une copie en profondeur rapide. Commençons par un petit exemple de référence :

>>> obj = { 1 : 1., True : ‘hello’, ‘pof’ : [‘a’, ‘b’, ‘c’]}
>>> %timeit deepcopy(obj)
2.06 µs ± 13.6 ns per loop (mean ± std. dev. of 7 runs, 1,000,000 loops each)

On observe par ailleurs que la signature de copy.deepcopy est la suivante :

deepcopy(x, memo=None, _nil=[])

Le paramètre memo est un objet de type dictionnaire qui permet de stocker les correspondances entre objet de référence et clone, et d’ainsi gérer les références multiples. Dans notre cas, on peut éviter les interactions avec cet objet (pas de références multiples dans notre arbre), cela devrait nous éviter quelques indexations de tableau.

On peut aussi inspecter le code de deepcopy dans la bibliothèque Python :

>>> import inspect
>>> print(inspect.getsource(deepcopy))
[...]
    copier = _deepcopy_dispatch.get(cls)
    if copier is not None:
        y = copier(x, memo)
    else:
        if issubclass(cls, type):
            y = _deepcopy_atomic(x, memo)
        else:
            copier = getattr(x, "__deepcopy__", None)
            if copier is not None:
                y = copier(memo)
            else:
                reductor = dispatch_table.get(cls)
[...]

La mécanique est assez générique : elle gère la méthode magique __deepcopy__, effectue un appel rapide aux fonctions copy._deepcopy_list ou copy._deepcopy_dict à travers le dictionnaire _deepcopy_dispatch... On peut s’inspirer de cette stratégie pour une implémentation simple et efficace (car utilisant peu d’appels de fonctions et faisant quelques hypothèses sur les types rencontrés) pour notre objet simplifié :

>>> def deepcopy_tree(obj):
...   if isinstance(obj, list): return [deepcopy_tree(x) for x in obj]
...   elif isinstance(obj, dict): return {k: deepcopy_tree(v) for k, v in obj.items()}
...   else: return obj # int, str etc are immutable
>>> %timeit deepcopy_tree(obj)
705 ns ± 2.47 ns per loop (mean ± std. dev. of 7 runs, 1,000,000 loops each)

On notera qu’on ne clone pas les clés de dictionnaires : elles sont immuables par définition.

Pour pousser un peu plus loin l’intégration, on pourrait même encapsuler notre arbre dans une classe avec une méthode __deepcopy__ :-).



Article rédigé par

Par le(s) même(s) auteur(s)

Crévindiou, c’est pas du bon C d’chez nous ça, cé du C deu’l ville !

Magazine
Marque
GNU/Linux Magazine
Numéro
267
Mois de parution
janvier 2024
Spécialité(s)
Résumé

IANAL (I Am Not A Linguist), mais quand j’entends du québécois, je ne comprends pas tout, mais je comprends. Mais qu’en est-il des dialectes du langage C ? Car oui, le langage C a des dialectes, et nous allons voyager un peu à travers l’un d’entre eux, le dialecte GNU, supporté principalement par GCC, mais aussi, en partie, par Clang.

Les derniers articles Premiums

Les derniers articles Premium

Brève introduction pratique à ZFS

Magazine
Marque
Contenu Premium
Spécialité(s)
Résumé

Il est grand temps de passer à un système de fichiers plus robuste et performant : ZFS. Avec ses fonctionnalités avancées, il assure une intégrité des données inégalée et simplifie la gestion des volumes de stockage. Il permet aussi de faire des snapshots, des clones, et de la déduplication, il est donc la solution idéale pour les environnements de stockage critiques. Découvrons ensemble pourquoi ZFS est LE choix incontournable pour l'avenir du stockage de données.

Générez votre serveur JEE sur-mesure avec Wildfly Glow

Magazine
Marque
Contenu Premium
Spécialité(s)
Résumé

Et, si, en une ligne de commandes, on pouvait reconstruire son serveur JEE pour qu’il soit configuré, sur mesure, pour les besoins des applications qu’il embarque ? Et si on pouvait aller encore plus loin, en distribuant l’ensemble, assemblé sous la forme d’un jar exécutable ? Et si on pouvait même déployer le tout, automatiquement, sur OpenShift ? Grâce à Wildfly Glow [1], c’est possible ! Tout du moins, pour le serveur JEE open source Wildfly [2]. Démonstration dans cet article.

Les listes de lecture

9 article(s) - ajoutée le 01/07/2020
Vous désirez apprendre le langage Python, mais ne savez pas trop par où commencer ? Cette liste de lecture vous permettra de faire vos premiers pas en découvrant l'écosystème de Python et en écrivant de petits scripts.
11 article(s) - ajoutée le 01/07/2020
La base de tout programme effectuant une tâche un tant soit peu complexe est un algorithme, une méthode permettant de manipuler des données pour obtenir un résultat attendu. Dans cette liste, vous pourrez découvrir quelques spécimens d'algorithmes.
10 article(s) - ajoutée le 01/07/2020
À quoi bon se targuer de posséder des pétaoctets de données si l'on est incapable d'analyser ces dernières ? Cette liste vous aidera à "faire parler" vos données.
Voir les 64 listes de lecture

Abonnez-vous maintenant

et profitez de tous les contenus en illimité

Je découvre les offres

Déjà abonné ? Connectez-vous