我正在讨论是否将C ++或Python用于基于数学的程序。
两者都有很棒的数学库，但对于复杂的数学，哪种语言通常更快？
答案 0 :(得分：8)
您还可以考虑采用混合方法。 Python通常更容易，更快速地开发，特别是用户界面，输入/输出等等。
对于某些数学运算来说，C ++肯定会更快（尽管如果你的问题可以用向量运算或线性代数表示，而不是numpy为非常有效的向量处理提供了一个python接口）。Python很容易用Cython，Swig，Boost Python等扩展。因此，一种策略是用Python编写程序的所有簿记类型部分，然后用C ++编写计算代码。
答案 1 :(得分：6)
我想可以说C ++更快。仅仅因为它是一种编译语言，这意味着只有你的代码在运行，而不是像python那样的解释器。
可以使用python编写速度非常快的代码，而使用C ++编写速度非常慢的代码。所以你必须用任何语言明智地编程！
另一个优点是C ++是类型安全的，它可以帮助您编写实际需要的内容。
在某些情况下的缺点是C ++是类型安全的，这将导致设计开销。例如，你必须考虑（可能很长很难）关于函数和类接口。
我喜欢python有很多原因。所以不要理解这是对python的请求。
答案 2 :(得分：4)
这一切都取决于更快“执行速度更快”还是“开发速度更快”。总的来说，python的开发速度更快，c ++的执行速度更快。对于使用整数（算术），它有完整的精度整数，它有很多外部工具（numpy，pylab ...）我的建议是先python，如果你有性能问题，然后切换到cpp（或使用用python编写的cpp外部库，采用混合方法）
没有好的答案，这完全取决于你想要在研究/微积分方面做什么
答案 3 :(得分：2)
毫无疑问，对于密集的数值计算，C ++会更快。但是，有很多预先存在的库（使用C / C ++ / Haskell等编写），使用Python包装器 - 利用Python的便利性并让现有的库承载负载会更方便。
一个综合系统是http://www.sagemath.org，一个相当有趣的链接是它在http://sagemath.org/links-components.html使用的组件。
根据我的经验，numpy / scipy和pandas的系统通常足以满足大多数需求。
答案 4 :(得分：1)
使用你更喜欢的那个（你应该更喜欢python :)。
在任何一种情况下，任何数学密集型计算都应该由现有的库执行 - 这些库不依赖于语言（通常使用BLAS / LAPACK来执行实际的数学运算）。 如果你选择使用python，请使用numpy 用于计算。
编辑：从您的评论中，您似乎非常关心程序的速度。确定高级pythonic代码浪费了多少时间的唯一方法是分析您的程序（例如，使用运行-p的ipython）。
在大多数情况下，您会发现高级别的东西大约占总运行时间的10％，因此从python切换到C ++只能将某个因素提高10％，总增益可能达到5％在运行时间。
答案 5 :(得分：0)
我真诚地怀疑谷歌和斯坦福不懂C ++。
“通常更快”不仅仅是语言。无论编写什么语言，算法都可以创建或解决一个解决方案。用C ++编写的糟糕选择如果有更好的算法选择，可以被Java或Python打败。
例如，一个内存中的单CPU线性代数库将通过正确完成的并行版本进入其中。
隐式算法实际上可能比显式算法慢，尽管时间步长稳定性限制，因为后者不必反转矩阵。对于双曲型偏微分方程，这通常是正确的。
你不应该关心“通常更快”。您应该深入研究您尝试解决的问题以及用于解决问题的算法。你会比盲目的语言选择做得更好。