創(chuàng)新互聯(lián)www.cdcxhl.cn八線動態(tài)BGP香港云服務(wù)器提供商，新人活動買多久送多久，劃算不套路！
今天就跟大家聊聊有關(guān)c與Python哪個效率高，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。
當(dāng)我們提到一門編程語言的效率時：通常有兩層意思，第一是開發(fā)效率，這是對程序員而言，完成編碼所需要的時間；另一個是運行效率，這是對計算機而言，完成計算任務(wù)所需要的時間。編碼效率和運行效率往往是魚與熊掌的關(guān)系，是很難同時兼顧的。不同的語言會有不同的側(cè)重，python語言毫無疑問更在乎編碼效率，life is short，we use python。
雖然使用python的編程人員都應(yīng)該接受其運行效率低的事實，但python在越多越來的領(lǐng)域都有廣泛應(yīng)用，比如科學(xué)計算 、web服務(wù)器等。程序員當(dāng)然也希望python能夠運算得更快，希望python可以更強大。相比之下，C語言的效率是高于python的。
首先，python相比其他語言具體有多慢，這個不同場景和測試用例，結(jié)果肯定是不一樣的。這個網(wǎng)址給出了不同語言在各種case下的性能對比，這一頁是python3和C++的對比，下面是兩個case：
從上圖可以看出，不同的case，python比C++慢了幾倍到幾十倍。
python運算效率低，具體是什么原因呢，下列羅列一些：
第一：python是動態(tài)語言
一個變量所指向?qū)ο蟮念愋驮谶\行時才確定，編譯器做不了任何預(yù)測，也就無從優(yōu)化。舉一個簡單的例子： r = a + b。 a和b相加，但a和b的類型在運行時才知道，對于加法操作，不同的類型有不同的處理，所以每次運行的時候都會去判斷a和b的類型，然后執(zhí)行對應(yīng)的操作。而在靜態(tài)語言如C++中，編譯的時候就確定了運行時的代碼。
另外一個例子是屬性查找，關(guān)于具體的查找順序在《python屬性查找》中有詳細介紹。簡而言之，訪問對象的某個屬性是一個非常復(fù)雜的過程，而且通過同一個變量訪問到的python對象還都可能不一樣（參見Lazy property的例子）。而在C語言中，訪問屬性用對象的地址加上屬性的偏移就可以了。（更多學(xué)習(xí)內(nèi)容，請點擊python學(xué)習(xí)網(wǎng)）
第二：python是解釋執(zhí)行，但是不支持JIT（just in time compiler）。雖然大名鼎鼎的google曾經(jīng)嘗試Unladen Swallow 這個項目，但最終也折了。
第三：python中一切都是對象，每個對象都需要維護引用計數(shù)，增加了額外的工作。
第四：python GIL，GIL是Python最為詬病的一點，因為GIL，python中的多線程并不能真正的并發(fā)。如果是在IO bound的業(yè)務(wù)場景，這個問題并不大，但是在CPU BOUND的場景，這就很致命了。所以筆者在工作中使用python多線程的情況并不多，一般都是使用多進程（pre fork），或者在加上協(xié)程。即使在單線程，GIL也會帶來很大的性能影響，因為python每執(zhí)行100個opcode（默認，可以通過sys.setcheckinterval()設(shè)置）就會嘗試線程的切換，具體的源代碼在ceval.c::PyEval_EvalFrameEx。
第五：垃圾回收，這個可能是所有具有垃圾回收的編程語言的通病。python采用標記和分代的垃圾回收策略，每次垃圾回收的時候都會中斷正在執(zhí)行的程序，造成所謂的頓卡。
看完上述內(nèi)容，你們對c與Python哪個效率高有進一步的了解嗎？如果還想了解更多知識或者相關(guān)內(nèi)容，請關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司行業(yè)資訊頻道，感謝大家的支持。
重慶分公司
重慶分公司
