Python 比 C++ 更快更轻吗？ [关闭]答案

【问题标题】：Is Python faster and lighter than C++? [closed]Python 比 C++ 更快更轻吗？ [关闭]
【发布时间】：2010-10-22 13:07:39
【问题描述】：

我一直认为 Python 的优势在于代码可读性和开发速度，但时间和内存使用不如 C++。

These stats 给我留下了深刻的印象。

关于 Python 与 C++ 的时间和内存使用情况，您的经验告诉您什么？

【问题讨论】：

所以 Pyhton 在大多数这些情况下速度较慢，并且使用更多 RAM，但源更小。究竟是什么问题？
我想我误解了结果。
真正有趣的是，C++ 测试仍然比 C 测试“更好”！
@gbjbaanb：我并不感到惊讶。 C++ 添加了许多功能，可以实现更快的代码。如果您知道自己在做什么，那么 C++ 的效率会高得离谱，比 C 还要高。（当然，C++ 还包括一些会损害性能的特性，但您不必使用它们）。但是“C 比 C++ 更快”的普遍看法是错误的。（而且这个问题首先不是很有意义）
链接失效

标签： c++ python performance memory statistics

【解决方案1】：

我认为您错误地阅读了这些统计数据。他们表明，Python 比 C++慢大约 400 倍，除了单个案例之外，Python 更像是一个内存猪。但是，在源代码大小方面，Python 完全胜出。

我使用 Python 的经验表明，在进行任何严重的数字运算时，Python 的速度比 C++ 慢 10 到 100 倍。造成这种情况的原因有很多，主要是： a) Python 是解释型的，而 C++ 是编译型的； b) Python 没有原语，包括内置类型（int、float 等）在内的一切都是对象； c) Python 列表可以保存不同类型的对象，因此每个条目都必须存储有关其类型的附加数据。这些都严重阻碍了运行时和内存消耗。

不过，这不是忽略 Python 的理由。即使有 100 倍的慢速因素，许多软件也不需要太多时间或内存。开发成本是 Python 以简洁的风格取胜的地方。这种对开发成本的改进通常超过了额外的 CPU 和内存资源的成本。但是，如果没有，那么 C++ 就赢了。

【讨论】：

另外，那些说 Python 在处理严重数字时速度很慢的人还没有使用过 Numpy 和 Scipy 模块。这些天，Python 在科学计算领域真正起飞。当然，速度来自于使用用 C 编写的模块或用 Fortran 编写的库，但在我看来，这就是脚本语言的美妙之处。
我相信你所说的，这是一个证明它的链接：blog.dhananjaynene.com/2008/07/…
关于：c) Python 列表可以保存不同类型的对象，因此每个条目都必须存储有关其类型的附加数据。 Python 列表实际上是一个指针列表到对象。在 python 中，值知道它的类型，而变量只是指向“通用值对象”的指针（因此偶数是不可变的）。所以列表不存储其内容的类型 - 只是指针。不过，您对内存开销的看法是正确的——python 确实必须为任何类型的值存储类型和其他上下文。
如果您谈论 cpython..那么是的，但是 pypy 在大多数情况下非常快（与 java 相当，我猜是 java 的 1/3 速度），python 的子集几乎和c++（见shedskin）
@JustinPeel 我质疑这是否属实。即使大量使用numpy 和scipy，大型python 代码库也可能在纯python 中包含大量代码，这使得事情比C++ 慢。 python 脚本的速度接近C++ 脚本的速度，因为其C 代码的百分比变为100，此时它不再是python 脚本。 python 肯定会起飞，但不是因为它和C++ 一样快——因为它更易于使用。

【解决方案2】：

枪战中所有最慢 (>100x) 的 Python 使用都是需要高 GFlop/s 计数的科学操作。无论如何，你不应该使用 python。使用 python 的正确方法是导入一个进行这些计算的模块，然后和家人一起度过一个轻松的下午。那是pythonic的方式:)

【讨论】：

现在有几个Python-to-C++ compilers，所以在某些情况下Python可以和C++一样快。

【解决方案3】：

我的经验与基准测试相同。 Python 可能很慢并且使用更多内存。我编写的代码少得多，而且它第一次工作时调试少得多。由于它为我管理内存，因此我无需进行任何内存管理，从而节省了追踪核心泄漏的时间。

你有什么问题？

【讨论】：

我只是对基准测试的结果感到困惑。原来我误解了他们。

【解决方案4】：

源大小并不是一个真正明智的衡量标准。例如下面的 shell 脚本：

cat foobar

比它的 Python 或 C++ 等价物短得多。

【讨论】：

更容易维护更长的 Python 或 C++ 版本，也是。我认为源代码大小确实很重要，对于某些简单的任务，简洁的 shell 脚本很好。
我也相信源代码大小很重要，对于某些任务，Bash 是适合这项工作的工具。在此处查看一个将简单 bash 脚本与 python 进行比较的好示例：innolitics.com/articles/programming-languages/…（您需要向下滚动一点）。我认为这是一个比cat footer 稍微复杂一点的例子。
这个线程是关于代码速度/大小，而不是可维护性。

【解决方案5】：

还有：Psyco vs. C++。

这仍然是一个糟糕的比较，因为无论如何，没有人会在纯 Python 中进行基准测试倾向于关注的数字易碎的东西。更好的方法是比较实际应用程序或 C++ 与 NumPy 的性能，以了解您的程序是否会明显变慢。

【讨论】：

换句话说 - 因为 numbercrunchy 的东西要慢得多，用 C++ 编写它并从 Python 调用它:-)
如果您打算在 python 中使用库来使其更快，那么您不妨使用 c++ 中的数字处理库。这样你就可以保持 c++ 的灵活性，而不必编写一堆代码:)
那是一个神级毫无意义的死灵。 OP 字面意思是为了可读性和便利性而更喜欢 Python，为什么有人会直接使用他们不太喜欢的语言，当他们可以通过让库作者为他处理这些来获得大部分性能优势时？使用库的意义在于不必做他们自己做得更好的工作，库恰好是本机绑定是优化/实现细节。

【解决方案6】：

这里的问题是你有两种不同的语言来解决两个不同的问题......就像比较 C++ 和汇编程序一样。

Python 用于快速应用程序开发以及性能是最小问题的情况。

C++不用于快速应用程序开发，它继承了 C 的速度传统 - 用于低级编程。

【讨论】：

【解决方案7】：

托管且易于使用的编程语言与往常一样存在同样的问题 - 它们很慢（有时会占用内存）。

这些是用于控制而不是处理的语言。如果我必须编写应用程序来转换图像并且也必须使用 Python，那么所有处理都可以用 C++ 编写并通过绑定连接到 Python，而接口和流程控制将绝对是 Python。

【讨论】：

这些库已经为 Python、C 或 Java 编写，那么为什么不使用动态语言将它们粘合在一起呢？

【解决方案8】：

我认为这些统计数据表明 Python 速度要慢得多，并且在这些基准测试中使用更多内存 - 你确定你阅读它们的方式是正确的吗？

根据我的经验，主要是用 Python 编写网络和文件系统绑定的程序，Python 在任何重要的方面都不会明显变慢。对于这样的工作，它的收益大于成本。

【讨论】：

确实如此。当性能成为问题时，python 擅长的是将高性能外部模块绑定在一起，或者对系统进行原型设计，然后允许将瓶颈（通常在内循环深处）重写为 C 模块等。