pythonC性能相差多少(2023年最新解答)

发布网友 发布时间：2024-09-08 15:05

我来回答

共1个回答

热心网友 时间：2024-09-29 04:44

导读：很多朋友问到关于pythonC性能相差多少的相关问题，本文首席CTO笔记就来为大家做个详细解答，供大家参考，希望对大家有所帮助！一起来看看吧！

numpy/scipy底层都是纯C的，性能不会比来matlab差。scikit-learn,

genism等都是建立在numpy/scipy之上。源python只是提供了一个胶水层。另外纯python部分百也可以再用pypy

jit一下，性能相当可观度

python的运算能力比不上c，进行大量运算时候python比c慢的多，这对吗？

运算能力是一样的，不过python是动态语言，变量本身带了类型信息，相同的计算会做更多的操作，所以会慢一些。不过动态语言的是优势是开发效率，C的是运行效率，如果是不会大量重复使用的小程序的，算开发+运行的总时间的话，python会比C的小很多，而且python的库很多，内置大整数和decimal模块，可以计算精度很高的运算。

1.-运行速度慢，因为Python是解释型语言，是一种高级语言，代码会在执行的时候，一行一行的使用解释器翻译成底层代码，翻译成机器码，而这个过程非常耗时，所以他运行过程中，比很多语言的代码都慢了很多。

-线程不能利用多CPU，这是Python最大的确定，GIL即全局解释器锁（GlobalInterpreterLock），是计算机程序设计语言解释器用于同步线程的工具，使得任何时刻仅有一个线程在执行，Python的线程是操作系统的原生线程。在Linux上为pthread，在Windows上为Winthread，完全由操作系统调度线程的执行。一个python解释器进程内有一条主线程，以及多条用户程序的执行线程。即使在多核CPU平台上，由于GIL的存在，所以禁止多线程的并行执行。

Python的优缺点可以看看传智播客的社区，里面很多技术老师写的相关文章。并且有学习线路图适合小白学习，每个板块下面都有配套视频。

第一点：语言类型不同

python是一种动态类型语言，又是强类型语言。它们确定一个变量的类型是在您第一次给它赋值的时候。C是静态类型语言，一种在编译期间就确定数据类型的语言。大多数静态类型语言是通过要求在使用任一变量之前声明其数据类型来保证这一点的。

第二点：对象机制不同

python中所有的数据，都是由对象或者对象之间的关系表示的，函数是对象，字符串是对象，每个东西都是对象的概念。每一个对象都有三种属性：实体、类型和值。C中没有对象这个概念，只有数据的表示。

第三点：变量类型不同

python六个标准的数据类型：Number数字、string字符串、List列表、Tuple元组、Sets集合、Dictionary字典，数字类型有四种类型：整数、布尔型、浮点数和复数。C语言也可分四类：基本类型、枚举类型、void的类型、派生类型，基本类型：整数类型、浮点类型。

第四点：函数库的使用方法不同

在C语言中使用那个库函数，需要引入头文件用include引入，而在python中需要引入别的模块或者函数时需要用import引入。

两者的不同机制是C语言中include是告诉预处理器，这个include指定的文件的内容，要当作本地源文件出现过，而python中的import可以通过简单的import引入，或者是import

numpyasnp。

第五点：全局变量不同

在C语言中，声明全局变量，如果值是恒定的，那么可以直接用#define声明，如果只是声明全局，并且变量的值是可变的，那么直接类似inta就可以了。

在python中，声明全局变量时，需要加上global，类似globala，在函数里面使用的时候需要先声明globala，否则直接用a那么python会重新创建一个新的本地对象并将新的值赋值给他，原来的全局变量的值并不变化。

python的整个系统，我其实有非常多的不满。但是用任何一门语言都是取舍问题，如果有一门语言，库够多，已读，易用，性能高，我毫不犹豫立刻转过去。python的强处在于庞大的库，还有非常好的易读和易用性。但是相比来说，性能一直是个问题。python的实现性能大约和C相差五倍上下。如果是大规模计算问题，大约能差10倍以上。当然，我们可以写C扩展，但是这就不是使用python了。我们也可以说，很多时候我们不需要这么快的速度。这是个事实，但是不改变python性能差的事实。python不但性能差，还有GIL这个玩意。以至于我现在对高并发计算都采取多进程的模式。多进程模式的通讯效率肯定比多线程低，而且麻烦。

另外，python在底层设计上，也表现出很强的实用主义倾向。这是比较外交术语的词汇，更加直白的说法应当是，混乱，不知所谓。在闭包设计上采用freevariable设计，而不是lisp中的environs设计。区别？你试试看在外层闭包中fromlibimport*。由于引入不定个数名称，freevariable无法处理。类似的问题还有LEGB规则，新手往往要花很长时间研究这个例子究竟是怎么错的：a=1deff():printaa=2我勒个去，这种反直观反人类的事情都有，还敢说自己易读。

还有坑爹的元编程，这东西根本是坑爹中的坑爹货。如果你用过多重继承，大概就知道python的整个OO系统看起来根本是大型的仿真，到处都是乱糟糟的。C++怎么解决多重继承的？你最好别用（真心说，这可比python更加坑爹）。java怎么解决多重继承的，只能继承Interface。其实这是变相的变成了Interface-Implement模式。python怎么解决的？MRO！为什麽一个类加个__metaclass__就会改变性质啊，为什麽一个类去生成另一个类的写法是——我基本不记得了，反正web.py里面有用到，需要的话去炒栗子吧。为什麽方法要隐藏居然要改名字加__啊。你到底是在做OO还是在看起来像OO的东西上狂打补丁啊魂淡。

lambda表达式弱智。我和人讨论过，lambda是否是图灵完备的。结论还是完备的，不过需要借助Ycombinator。何必呢？由于强调lambda的快速特性，因此将lambda强制在一行以内（没有结束标记），导致python其实是没有匿名函数的。一个callback数组写的难过死。

语法糖太多了点，当然，这是纯粹的个人感觉。语法糖是把双刃剑，用的好，可以简化编写和阅读，但是太多，往往容易引入语法混乱和额外的约束。

另外，语言的自构建特性混乱。虽说不是每门语言都强调自构建特性，但是通常而言，都是使用C实现一个内核，由内核实现一些基础操作。再由基础操作实现更复杂的操作。每层的边界都是比较清晰的。谁来告诉我，python中有多少库在移植时是由纯python实现的？库的相互依赖层级是？

python的沙盒化也是个问题，如果沙盒做的够好，我完全可以把python作为一个客户级别的平台。用C写一个很简单的类似浏览器的东西，下载一个URL的python包回去运行（或者仅仅检查更新）。从而保证本地效果/跨平台/安全性。现在？一个都保证不了。我连把一个python包转移到另一台同构设备上都很麻烦（如果两者不是严格匹配，例如系统差异，系统版本差异）无论是web开发还是移动终端开发都必须走传统模式。

两种语言没有好坏之分，学C语言难而python简单，但是先学C语言能更好打基础。毕竟，要做程序员，不能只会一门语言，大多数程序员都需要会至少三门语言的。

C语言是你上大学第一门接触的编程语言，可见它的重要性。C语言是一种面向过程的语言，而Python是一种面向对象的解释型计算机程序设计语言。而你需要先了解什么是面向过程，然后去了解什么是面向对象。

如果使用C入门编程，能更好地掌握编程基础，理解代码运行原理，但是学习c比较枯燥，很难迅速见到成效，可能会打击学习的积极性。使用python见效快，但是因为大部分使用高级接口，所以对底层实现方面可能就比较模糊，但是也可等学完python之后再学习C去补上。

现在国外教初学者编程都换python了，C是偏低层的，细节多，不易学。学python，你现在想做的东西，用python都可以很快很方便的实现。

结语：以上就是首席CTO笔记为大家整理的关于pythonC性能相差多少的全部内容了，感谢您花时间阅读本站内容，希望对您有所帮助，更多关于pythonC性能相差多少的相关内容别忘了在本站进行查找喔。