Saltar a contenido

Código de la sesión

Los programas que se corrieron en clase, más el archivo en C que se escribió en vivo para explicar qué hay debajo de una lista.

Archivo Qué muestra
llenar_matriz.py Las dos maneras de llenar una matriz: ciclos de Python contra el método del arreglo
relojes.py perf_counter contra process_time sobre el mismo fragmento
fib_profile.py fib(35) bajo cProfile, con y sin memoización
montecarlo.py Estimación de pi perfilada con Pyinstrument, con uniform y con random
encaje_simd.py Cinco patrones sobre el mismo arreglo, y cuál aprovecha los carriles
listas_vs_numpy.py Cuatro formas de sumar los mismos números, y el envolvente de NumPy
arreglo.c arr[i] como azúcar sintáctico de *(arr + i)

El ambiente

python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

Los programas de perfilado no necesitan nada más; arreglo.c se compila con gcc -Wall -o arreglo arreglo.c.

Correr

python llenar_matriz.py 2000     # el tamaño es opcional; el de la sesión es 10000
python relojes.py
python fib_profile.py
python montecarlo.py uniform     # y después: python montecarlo.py random
python encaje_simd.py
python listas_vs_numpy.py        # el tamaño también es opcional

Los tiempos de cada máquina son distintos; lo que se repite son las proporciones. En la máquina donde se preparó esta sesión, fib(35) sin memoización hace 29 860 712 llamadas y con memoización 45, la misma cifra que salió en clase, porque el número de llamadas no depende de la máquina.

llenar_matriz.py con 10 000 reserva 800 MB por cada matriz y los ciclos anidados recorren cien millones de posiciones: conviene empezar con un tamaño menor y subirlo. Lo mismo con listas_vs_numpy.py, donde una lista de cien millones de enteros de Python no cabe en cualquier máquina.