Python的速度

　　可怜的 Python 总是笑着接受性能批评。如果你是在一场编程语言辩论中，我几乎可以保证，一旦你开始赞美 Python，你就会受到性能打击。这是真的。嗯，在某种程度上。

　　对于原始或标准 Python 比 C 或 JAVA 慢这一事实，我不会争论。但正如我之前所说，有一个像 Python 一样勤奋和创新的社区，不要害怕。

　　Python 与其静态类型的竞争对手之间的性能差距在过去几年中急剧缩小。JIT 编译和并行计算方面的进步使 Python 赶上了它的竞争对手。

　　许多变通方法都是为了解决 Python 的性能问题而开发的。例如：

　　将实现从 CPython 更改为 PyPy 可以显著提高执行速度。有时候，PyPy 甚至能超越 C。

　　注意：CPython 是你从 Python.org 下载的实现。

　　抑制 GIL 使得 Python 能够并行执行序列，从而提高计算速度。

　　JIT 编译器 Numba。只要把 Numba 装饰器放在你的函数上，就可以看着它以光速运行了。

　　许多 Python 库(例如 Numpy 和 Scipy)是用 C/C++ 编写的。

　　如您所见，性能是一个反对 Python 的过时论据。有了这些解决方案，除了赞叹 Python 充满活力的社区之外，别无选择。

　　以上内容为大家介绍了Python的速度，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注多测师。https://www.e70w.com/xwzx/