python
为什么python会比其它语言慢？
python是动态类型语言而不是静态类型语言。
这意味着在程序执行的时候，解释器不知道被定义的变量的类型。下图总结了一个c变量（我使用c作为编译语言的替代品）和一个python变量之间的区别：
c变量和python变量
/* c代码实例 */
int a =1; // 将整型数1赋值给a
int b = 2; // 将整型数2赋值给b
int c = a + b; // 调用binary_add(a,b)，并将结果分配给c
c编译器一开始就知道a和b是整数，直接调用两个整数添加的方法，返回c这个整数存到内存当中。整个代码就运行 完毕了。
# python代码实例
a = 1
b = 2
c = a + b
如上代码所示，python运行完上述代码需要经过以下几个步骤：
1. 将1分配给a：设置a的a->pyobject_head->typecode为整型，然后设置a的值为1。
2. 将2分配给b：设置b的b->pyobject_head->typecode为整型，然后设置b的值为2。
3. 调用binary_add(a,b)：在a->pyobject_head找到typecode，a是整数，值为1；在b>pyobject_head找到typecode，b是整数，值为2。调用binary_add(a->val,b->val)，返回结果，是一个整数。
4. 创建一个python对象c：设置c-> pyobject_head ->typecode为整数，将c->val设置为3步骤中返回的结果。
大家从上述步骤不难看出，动态类型语言，任何操作都涉及到很多的操作，这是python对数值操作比c慢的主要原因。
python是解释型语言而不是编译型语言。
从上面我们看到了解释代码和编译代码之间的一个区别。优秀的编译器可以优化重复和不需要的操作，这使得它速度快。
python的对象模型会导致内存效率较低。
当我们想存储若干整数时，python可能会使用list对象，而在c中，会使用基于某种缓冲区的数组。
比如最简单形式的numpy数组是围绕c数组构建的python对象，也就是说，它有一个指向值的连续缓冲数据区的指针，每一个指针指向一个python对象，该对象又饮用其数据，如图所示：
numpy array 和 python list
从上图不难看出，如果进行顺序执行数据的操作，那么numpy将比python在存储和访问上更有效率。
python效率这么低，为什么我们还要使用它？
python的动态类型使得python比c更加容易使用，它非常的灵活，这种灵活性可以有效的利用我们的开发时间，在真正需要优化的时候，我们可以使用python内置的库对其进行优化，这就是为什么在科学研究中，python的使用率一直在不断增长，python是用代码进行科学研究的一门非常有效的语言。
许多python程序慢，是没有利用python及其标准库中提供的功能，在数学和统计科学运算方面可以使用numpy和pandas等库提升速度，pypy运行时（解释器的一种，默认解释器是cpython，是一个python的jit实现，只需通过用pypy替换cpython）可以为许多python程序提供数量级的加速。比如为我们长时间运行的web服务器加速。
在我们开发的程序中，一个程序90%的运算往往在10%的代码中，所以针对这10%的代码进行优化可以大大提高我们程序的运行效率。在python中，我们可以选择将这10%的代码通过cython或numba等项目转换成c或者若干程序集。
cython是python的超集，几乎是python和c的合并，是一种渐进式语言，任何python代码都是有效的cython代码。cython代码编译成c代码，使用cython，我们可以编写一个模块或方法，让其具有c的类型和性能。混合使用c类型和python类型。通过cython，我们可以让我们的程序进行进一步的优化，并且具有python的优点。
开发人员的时间效率，一个py程序可能需要6s时间，而c可能只需要1s。但开发人员使用python可能只需要10分钟就能完成这个程序。而使用c语言你可能需要1个小时或者更多。
从上面不难看出，可能对于吞吐量比较大，并发需求较低但软件，python不太适合。但从系统管理到目前非常火热的机器学习领域，python显然是非常合适的语言。当要求应用开发速度以及开发人员时间有限的情况下，使用python无疑是非常好的一个选择！
好了，本篇文章就给大家介绍到这里，喜欢我到文章的朋友可以点击【关注】。欢迎大家留言交流。最后放上：
python之禅