Question

简单地在python和C ++中运行一个近空的for循环（如下所示），速度非常不同，python慢了一百多倍。

a = 0
for i in xrange(large_const):
  a += 1

int a = 0;
for (int i = 0; i < large_const; i++)
  a += 1;

另外，我该怎么做才能优化python的速度？

（附：我在这个问题的第一个版本中做了一个不好的例子，我并不是说a = 1使得C / C ++编译器可以优化它，我的意思是循环本身消耗了大量资源（也许我应该使用+ = 1作为例子）..我的意思是如何优化是如果for循环就像一个+ = 1这么简单，它怎么能以与C / C ++类似的速度运行？在我的实践中，我使用Numpy所以我不能再使用pypy（现在），是否有一些通用的方法可以更快地进行循环（例如生成列表中的生成器）？）

Answer 1

智能C编译器可以通过识别最后a总是为1来优化你的循环.Python不能这样做，因为当迭代xrange时，它需要调用__next__对象上的xrange，直到它引发StopIteration。 python无法知道__next__是否会产生副作用，直到它调用它为止，因此无法优化循环。本段的内容消息是，优化Python“编译器”而不是C编译器更加困难，因为python是一种动态语言，需要编译器知道对象在某些情况下的行为方式。在 C，这更容易，因为C确切地知道每个对象提前的类型。

当然，除了编译器之外，python还需要做更多的工作。在C中，您使用硬件说明中支持的操作处理基本类型。在python中，解释器在软件中一次解释一行的字节码。显然，这需要比机器级指令更长的时间。并且数据模型（例如一遍又一遍地调用__next__）也可以导致许多函数调用，而C不需要这样做。当然，python使用它来使它比编译语言更灵活。

加速python代码的典型方法是使用库或内部函数，它们为低级编译代码提供高级接口。 scipy和numpy是这类图书馆的绝佳范例。您可以查看的其他内容是使用包含JIT编译器的pypy - 您可能无法达到本机速度，但它可能会击败Cpython（最常见的实现），或者在C / fortran中编写扩展使用Cpython-API，cython或f2py作为代码的性能关键部分。

Answer 2

仅仅因为Python是一种更高级的语言，并且必须在每次迭代时做更多不同的事情（比如获取锁，解析变量等）。

“如何优化”是一个非常模糊的问题。没有“通用”方法来优化任何Python程序（Python的开发人员已经完成了所有可能的工作）。您可以通过以下方式优化您的特定示例：

a = 1

顺便说一下，这就是任何C编译器都会做的。

如果您的程序使用数字数据，那么使用numpy及其矢量化例程通常会为您提供出色的性能提升，因为它可以完成纯C中的所有操作（使用C循环，而不是Python循环）并且不会必须采取翻译锁和所有这些东西。

Answer 3

随着你越来越抽象，速度会下降。最快的代码是直接编写的汇编代码。

阅读此问题Why are Python Programs often slower than the Equivalent Program Written in C or C++?

Answer 4

Python（通常）是一种解释型语言，这意味着必须在运行时逐行读取脚本，并在此时将其指令编译为可用的字节码。

C（通常）是一种编译语言，所以当你运行它时，你正在使用纯机器代码。

由于这个原因，Python永远不会像C一样快。

编辑：事实上，python在运行时编译INTO C代码，这就是你获取这些.pyc文件的原因。

为什么python中的普通循环运行速度比C ++中的慢？以及如何优化？

4 个答案: