包含carlo在python中極慢的詞條

本文目錄一覽：

• 1、Python 語言為什麼執行速度相當慢？？？不是一般的慢！！
• 2、python運行速度慢怎麼辦
• 3、Python 執行速度慢只是因為它是解釋型語言嗎
• 4、用python編程讀取TXT時，數據大概有1千萬條，速度很慢如何解決？
• 5、python list pop 速度很慢，有什麼 方法破解？
• 6、python為啥運行效率不高

Python 語言為什麼執行速度相當慢？？？不是一般的慢！！

java和c都是編譯型語言，一個是解釋型語言。

編譯型語言在程序執行之前，有一個單獨的編譯過程，將程序翻譯成機器語言，以後執行這個程序的時候，就不用再進行翻譯了。

解釋型語言，是在運行的時候將程序翻譯成機器語言，所以運行速度相對於編譯型語言要慢。

當然更多的是與演算法有關而不是語言。你python代碼換成這個看看，速度是不是比你快多了

def primes1(n):

“”” Returns a list of primes n “””

sieve = [True] * (n/2)

for i in xrange(3,int(n**0.5)+1,2):

if sieve[i/2]:

sieve[i*i/2::i] = [False] * ((n-i*i-1)/(2*i)+1)

return [2] + [2*i+1 for i in xrange(1,n/2) if sieve[i]]

import time

start = time.time()

a = primes1(4000000)

end = time.time()

print a

print ‘used time:’ end-start

python運行速度慢怎麼辦

yxhtest7772017-07-18

關注

分享

 697     2

python運行速度慢怎麼辦？6個Python性能優化技巧



Python是一門非常酷的語言，因為很少的Python代碼可以在短時間內做很多事情，並且，Python很容易就能支持多任務和多重處理。

Python的批評者聲稱Python性能低效、執行緩慢，但實際上並非如此：嘗試以下6個小技巧，可以加快Python應用程序。

關鍵代碼可以依賴於擴展包

Python使許多編程任務變得簡單，但是對於很關鍵的任務並不總是提供最好的性能。使用C、C++或者機器語言擴展包來執行關鍵任務能極大改善性能。這些包是依賴於平台的，也就是說，你必須使用特定的、與你使用的平台相關的包。簡而言之,該解決方案提供了一些應用程序的可移植性,以換取性能,您可以獲得只有通過直接向底層主機編程。

下面這些擴展包你可以考慮添加到你的個人擴展庫中：

Cython

PyInlne

PyPy

Pyrex

這些包有不同的作用和執行方式。例如，Pyrex 讓Python處理一些內存任務變得簡單高效；PyInline可以直接讓你在Python應用程序中使用C代碼，雖然內聯代碼被單獨編譯，但是如果你能高效的利用C代碼，它可以在同一個地方處理每一件事情。

使用關鍵字排序

有很多古老的Python代碼在執行時將花費額外的時間去創建一個自定義的排序函數。最好的排序方式是使用關鍵字和默認的sort()方法。

優化循環

每一種編程語言都強調循環語句的優化，Python也是一樣的。儘管你可以依賴於豐富的技術讓循環運行的更快，然而，開發者經常忽略的一個方法是避免在循環內部使用點拼接字元串。

使用新版本

任何一個在線上搜索Python資料的人都會發現無數關於Python版本遷移的信息。通常，Python每一個版本都針對之前的一個版本做了優化和改進，以讓Python運行的更快。限制因素是你喜歡的函數庫是否也針對Python的新版本做了改進。

當你使用了新的函數庫，獲得了Python的新版本，你需要保證代碼依然能夠運行，檢查應用，修正差異。然後，如果你僅僅是

Python 執行速度慢只是因為它是解釋型語言嗎

Python 不是解釋型語言，事實上也沒有「解釋型」語言這個分類。

Python 性能略有不佳的原因可能有幾個：

首先是 Python 希望自己是一個簡單和優雅的語言，需要性能的組件通常用 C 實現，沒有太多改進性能的動力。

然後 Python 具有垃圾回收和自動的內存管理功能，並且採用動態類型系統，會在運行時進行類型檢查，這會不可避免地略微影響性能，使其不如靜態類型(Java)或沒有垃圾回收(C/C++)的語言。

摘自維基百科：

「Python開發人員盡量避開不成熟或者不重要的優化。一些針對非重要部位的加快運行速度的補丁通常不會被合併到Python內。」

「因為Python屬於動態類型語言，動態類型語言是在運行期間檢查數據的類型，不得不保持描述變數值的實際類型標記，程序在每次操作變數時，需要執行數據依賴分支」

用python編程讀取TXT時，數據大概有1千萬條，速度很慢如何解決？

兩種可選的方式

1：使用yield的懶惰載入，示例代碼如下：

123456789101112

def read_in_chunks(file_object, chunk_size=1024): “””Lazy function (generator) to read a file piece by piece. Default chunk size: 1k.””” while True: data = file_object.read(chunk_size) if not data: break yield data f = open(‘really_big_file.dat’)for piece in read_in_chunks(f): process_data(piece)

2：使用iter和一個幫助方法：

123456

f = open(‘really_big_file.dat’)def read1k(): return f.read(1024) for piece in iter(read1k, ”): process_data(piece)

推薦使用第一個。

python list pop 速度很慢，有什麼 方法破解？

那就不要pop了，使用yield返回一個生成器，然後通過遍歷提取數據。

如果還是不行的話，c擴展也是一個，cython，都是不錯的解決方式。

另外，如果追求性能，其實就不推薦使用python了，使用c，c++試試。

如果解決了您的問題請採納！

如果未解決請繼續追問

python為啥運行效率不高

原因：1、python是動態語言；2、python是解釋執行，但是不支持JIT；3、python中一切都是對象，每個對象都需要維護引用計數，增加了額外的工作。4、python GIL；5、垃圾回收。

當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，完成計算任務所需要的時間。編碼效率和運行效率往往是魚與熊掌的關係，是很難同時兼顧的。不同的語言會有不同的側重，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的編程人員都應該接受其運行效率低的事實，但python在越多越來的領域都有廣泛應用，比如科學計算 、web伺服器等。程序員當然也希望python能夠運算得更快，希望python可以更強大。

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，結果肯定是不一樣的。這個網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，具體是什麼原因呢，下列羅列一些：

第一：python是動態語言

一個變數所指向對象的類型在運行時才確定，編譯器做不了任何預測，也就無從優化。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，對於加法操作，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，然後執行對應的操作。而在靜態語言如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，關於具體的查找順序在《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複雜的過程，而且通過同一個變數訪問到的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。

第二：python是解釋執行，但是不支持JIT（just in time compiler）。雖然大名鼎鼎的google曾經嘗試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，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中的多線程並不能真正的並發。如果是在IO bound的業務場景，這個問題並不大，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多線程的情況並不多，一般都是使用多進程（pre fork），或者在加上協程。即使在單線程，GIL也會帶來很大的性能影響，因為python每執行100個opcode（默認，可以通過sys.setcheckinterval()設置）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採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行的程序，造成所謂的頓卡。infoq上有一篇文章，提到禁用Python的GC機制後，Instagram性能提升了10%。感興趣的讀者可以去細讀。

推薦課程：Python機器學習(Mooc禮欣、嵩天教授)