Jako rozcvičku si nejdříve připravíme soubory pro další cvičení: Načtěte data ze souboru SYN2010 (upravený přehled slov z českých textů k příslušnému roku) a vybudujte z nich slovník slov klíčovaný délkou slov. Následně daný slovník uložte pomocí modulu pickle do souboru. Python sice umí zpracovat zazipované soubory, ale pro potřeby tohoto a následujících cvičení archiv rozbalte, ať pracujete přímo s textovými daty. Nyní si uvedený soubor pouze načtěte, vybudujte slovník a spočtěte, jak dlouho to trvalo. Použijte time.time(). Dejte si pozor, abyste uvnitř měření času nezapomněli nějaké vypisování na konzoli, pak by bylo všechno špatně. Vybudovat slovník můžete buď klasicky pomocí dict nebo jednodušeji pomocí defafultdict. Srovnejte časy zpracování obou metod. Možná trochu překvapivě by vám asi mělo vyjít, že defaultdict() je rychlejší. Zopakujte si načtení souboru z předchozího příkladu, ale nyní pomocí knihovny mmap a porovnejte, jak dlouho trvá v normálním souborovém přístupu a jak dlouho při mapování pomocí modulu mmap. I když síla mmapu se projeví především při mapování skutečně velkých souborů po jejich částech do paměti, mělo by být zpracování rychlejší už i v tomto případě. Ještě zbývá zkusit načíst slovník uložený ve formátu pickle. Opět srovnejte dobu načítání s předchozími výsledky. Jaká kombinace metod a knihoven je nejvhodnější při zpracování takto velikých dat? Navzdory tomu, že zpracovaný slovník uložený ve formátu pickle je větší než originální data, jeho načtení je – alespoň při této velikosti – podstatně rychlejší než vybudování slovníku jakoukoliv jinou metodou.