c 真能比 Python 快这么多？

[Hhehepei]

事情是这样的，最近几天在接手别人的一个 python 写的仿真程序，这个程序的运行速度奇慢无比，于是 -m cProfile 看了一眼
检查了一下之后发现程序运行一次大概 500 秒，其中大约有 170 秒都花在一个模拟用的计算函数里了，暂且称其为函数 A 吧
函数 A 大概做了两件事，首先调用了几次函数 B ，去几个表里查表并线性插值，这个过程大概花了 40 秒，这个 40 秒也是优化过的结果了，它原本的算法能干到 500 秒去了。然后就是对大概 30 个参数进行了一系列运算，我大概统计了一下有哪些运算，列表在下面了

算符	次数
×	30
÷	5
+	15
-	10
√	1

顺便说一下，这个函数传值是用的 np.array ，而且这个函数运行一次其实挺快的，但是被调用的次数实在是多的离谱，所以花的时间就很长了
总之我尝试使用 CPython 重写了一下函数 A 和函数 B ，算法完全没变，想着再怎么样也能把时间减半吧，结果离谱的事情发生了，写完之后-m cProfile 了一下，结果函数耗时 4.8S ，这是不是有点夸张了，c 真能比 python 快这么多？我都开始怀疑我对 cProfile 的使用是不是有什么问题了。

[wu67]

py 是这样的，我对他的印象就是读起来爽写起来爽，但是执行的速度和占用的内存一言难尽

[lianyue]

动态语言都差不多

[jko123]

py 慢是老生常谈的事了

[woodchen]

应该算个别情况吧

[laminux29]

汇编/C/APP 坐一桌，主打性能，劣势是开发效率； Python/Java/PHP/JS 相反。C# 被夹在中间。

[jark006]

C 毕竟是最接近汇编/机器码的 Native 语言，只要写法不太差，基本能榨干 CPU 性能（要是实现地缓存友好，高频调用还能更快）。
而 Python 这类用解释器运行的脚本语言是很慢的，但我看这差距，170 -> 4.8 ，都 3 个数量级了，不太正常，我猜估计是 Python 的实现的效率不是很高。
如果这份程序功能基本已固定的话，建议用 AI 重新使用 RUST/C/C++/GO 这类编译型语言实现，性能会高出很多很多

[jark006]

@jark006 如果只能用于 Python 项目，也可以用这几种语言实现这个功能模块，再包装出 Python 接口也行

[Mac]

肯定啊，机器码和解释型的区别，相当于你用翻译机和人比母语。

[WuSiYu]

python 是这样的，你要是高频跑小操作肯定性能比 c 和 jit 语言差远了。不过解决方法也有很多，你这需求大概套个 Numba 的 @njit 就行了，都不用自己写 C

python 跑计算的正确玩法是调这种加速库，这些库可以从 python ast 中抽取你的运算行为，然后用更高效的代码替代。此时你的 python 运算代码只起到一个描述的作用，真正被执行的已经不是它了

[billccn]

纯数学函数的话直接上 Cython 应该就行了，编译结果应该和 C 差不多快。

其实 numpy 这一类的库出现的目的就是用 native 函数加速 python 处理，如果用了 numpy 还很慢，那很可能是使用姿势不对，比如在 python 里面对 numpy 对象进行了 iterate 等操作。

[forisra]

？这不是编译原理的内容吗。

[msg7086]

C 有更多的优化手段，比如 SIMD 化，比如智能内联减少函数调用次数。
具体优化效果要看具体代码，不过一般而言计算密集型的差距确实会很大的。
所以一旦开始资源密集型计算，早点切到 Java 或 C++家族才是明智的选择。

[drymonfidelia]

@laminux29 c#的 jit 很强 部分场景甚至能反超 c

[Cu635]

“首先调用了几次函数 B”，几次应该不能算“被调用的次数实在是多的离谱”吧？

另外，“这个函数传值是用的 np.array”，只有传值使用 numpy ？内部是什么情况呢？

@laminux29 #5
/APP ？

[skinny]

Python 就这样，你写 CPU 密集代码特别慢、内存占用特别特别大，实际上写过几种不同语言的实现就知道了，当初我也惊讶内存占用这块怎么差距那么离谱在这吐槽，还有杠精说我不会写代码，但是扒它内存结构就知道内存占用小不了

[awanabe]

大学学语言的时候应该都是基础知识吧
越接触底层的语言 速度越快

python 这种动态语言 底层就是 c/c++写的

[iOCZS]

c 的正则都能吊打 Python 的字符串顺序查找

[ktyang]

只从大面上说你的结论是对的，但是具体问题具体分析，这个方法有可能在 py 下或者借助更高效的包也有很多优化潜力。

[xtreme1]

py 的 (实验性) jit 加速比甚至都比同类语言慢一个数量级..

[AV1]

别说跟 C 比了，Python 即使跟同为动态语言的 JS 、PHP 比，都是奇慢无比的。
动态类型是原因之一，没有 JIT 更会吃大亏。