python運行效率高不高

❶ 為什麼說python速度雖然慢但它工作效率高啊!

因為某個語言速度快而選擇其為開發你應用的語言是不成熟優化的一種體現。是的，Python 比較慢，但其犧牲性能可以提升工作效率。

寫在前面

讓我們來討論一個我最近一直在思考的問題：Python 的性能。順便說一下，我是 Python 的忠實擁躉，我在各種情況下都會積極嘗試使用 Python 來解決問題。大家對 Python 最大的抱怨就是它的速度慢。有些人甚至因為 Python 的速度不如某個語言而拒絕使用它。本文中我將闡述，即便 Python 這么慢，為什麼還值得你對它進行嘗試。記住加企鵝扣444五一三089可以從基礎到開發mianfei學習python。

速度不再關鍵

之前，程序的運行時間相當長。CPU 資源和內存資源都十分珍貴，程序的運行時間在這種情況下是一個重要指標。計算機本身十分昂貴，當然還有隨之而來昂貴的電力消耗。優化這些資源就十分必要，因為在商業世界有一個永恆的規則：

優化你最昂貴的資源。

歷史上，程序最昂貴的資源是計算機的運行時間。這也就導致了對計算機科學的研究更專注於不同演算法的效率。然而在當下環境中，這已經不再適用，現在硅的價格已經十分便宜了。是真的非常便宜。運行時間不再是你最昂貴的資源。一個公司最昂貴的資源現在是其僱傭的員工的時間。也就是正在看這篇文章的你自己的時間。對現在的公司來說，完成項目比讓項目跑得更快更重要。這點非常重要，這里再次強調：

完成項目比讓項目跑得更快更重要。

你也許會說「我們公司對性能要求很高，我構建的網站應用需要所有的請求在 X 毫秒內返回。」或者「客戶認為我們的應用慢而放棄使用我們的應用。」在這里我不是說速度根本不重要，我只是想說明速度不再是最重要的指標，因為它不再是你最昂貴的資源。

速度！

速度是唯一重要的事情

在編程的世界中當你提到速度，一般是指程序的性能，也就是 CPU 周期。而當你的 CEO 提到速度，他通常指的是業務上的速度，其中最重要的是投入市場的時間。你的產品或網路應用有多快並不重要，應用採用哪種語言編寫的也不重要，甚至是使項目運行投入了多少資金都不重要。最終，唯一能夠讓你的公司存活下來的是產品投入市場的時間。

這里不是指初創公司觀念中的盈利時間，而更多是從想法轉換到實際消費者手中所花費的時間。在商業世界中能存活下來的唯一方法是比你的競爭對手更快地進行創新。如果你的競爭對手比你更早地發布產品，那麼你有再多的好點子也無濟於事。你必須成為市場的第一個進入者，或至少要趕上領先的節奏。一旦你掉隊了，那麼你就大勢已去。

在商業世界中能存活下來的唯一方法是比你競爭對手更快地進行創新。

❷ Python運行效率低的原因有哪些

Python的設計哲學是 第一能讓人看懂，附帶能在機器上運行，
c語言的設計哲學是 第一能讓機器快速運行 附帶能讓人看懂

❸ python和java哪個好他們有什麼區別

Java
Java源自C，擁有跨平台、面向對象、泛型編程的特性，非常受企業的喜歡。
其次，Java語言還具有較高的安全特性，因此Java經常被用在網路環境中。
同時，Java對通過網路下載的類具有一個安全防範機制，如分配不同的名字空間以防替代本地的同名類、位元組代碼檢查，並提供安全管理機制讓Java應用設置安全哨兵。
Python
Python是一種解釋型腳本語言，其在設計上也堅持了清晰劃一的風格，這使得Python成為易讀、易維護的語言。
相比於其他語言，Python中的語言語法和語義要簡單得多，而且代碼也具有可讀性。在大多數情況下，為了解決某一特定的問題，Python編寫所需代碼，要比其他流行語言所需的代碼少得多。
因此，對於新手來說，Python是一種很容易上手，並便於維護的語言。
Java和Python的區別：
1.Python比Java簡單，學習成本低，開發效率高;
2.Java運行效率高於Python，Python效率低;
3.Java相關資料多，尤其是中文資料;
4.Java版本比較穩定，Python2和3不兼容導致大量類庫失效;
5.Java開發偏向於軟體工程，Python更適合小型開發;
6.Java偏向於商業開發，Python適合於數據分析;
7.Java是一種靜態類型語言，Python是一種動態類型語言;
8.Java中的所有變數需要先聲明才能使用，Python中的變數不需要聲明類型;
9.Java編譯以後才能運行，Python直接就可以運行;
10.實現同一功能時，JAVA要敲的鍵盤次數一般要比Python多很多。

❹ python的開發效率高嗎

相對於其他語言來說，python因為有豐富的第三方函數庫可以調用，因此，開發效率較高。

❺ python語言運行速度如此差

這就要說到 Python 類語言和 C 類語言的主要區別了，Python 屬於解釋型語言，通俗來說就是你可以一句一句地輸入，而 Python 解釋器（Interpreter）可以一句一句地執行，而 C 語言屬於編譯型語言，無法做到這一點，只能一次性輸入完成，編譯成一個完整的程序再執行，而這個編譯的過程由於現代編譯器做了非常多的優化，並且你的程序沒有輸入只有輸出，每次運行都出固定的結果，所以極有可能被編譯器優化成為了只有一條輸出語句（實際情況可能要復雜一些），總的來說就是由於二者之間原理的差異導致了性能的差異，你可以搜一搜相關的資料，關掉 C 語言編譯時的優化，再看一下性能，或者將固定的那些值改為運行時需要輸入再看一下效果。
Python 相較於 C 的優勢有很多，性能這一方面你不需要關心，做出一個足夠復雜的程序，它們之間運行效率差不了多少的。

❻ Python 的開發效率真的比 Java高嗎

不同的語言是不同的工具啊，正所謂干什麼活兒就用趁手的工具。比如砍樹你就用斧子割草你就用鐮刀唄。沒有說。用鐮刀幹活兒就一定比用斧子幹活兒效率高的，你分幹啥活兒。

❼ python有哪些特點和優點

顯著的優點

Python 語言擁有諸多的優點，這其中，以下幾個優點特別顯著：

簡單易學：Python語言相對於其他編程語言來說，屬於比較容易學習的一門編程語言，它注重的是如何解決問題而不是編程語言的語法和結構。正是因為Python語言簡單易學，所以，已經有越來越多的初學者選擇Python語言作為編程的入門語言。例如，在浙江省 2017年高中信息技術改革中，《演算法與程序設計》課程將使用 Python語言替換原有的VB 語言。

語法優美：Python語言力求代碼簡潔、優美。在Python語言中，採用縮進來標識代碼塊，通過減少無用的大括弧，去除語句末尾的分號等視覺雜訊，使得代碼的可讀性顯著提高。閱讀一段良好的Python程序就感覺像是在讀英語一樣，它使你能夠專注於解決問題，而不用太糾結編程語言本身的語法。

豐富強大的庫：Python語言號稱自帶電池(Battery Included)，寓意是Python語言的類庫非常的全面，包含了解決各種問題的類庫。無論實現什麼功能，都有現成的類庫可以使用。如果一個功能比較特殊，標准庫沒有提供相應的支持，那麼，很大概率也會有相應的開源項目提供了類似的功能。合理使用Python的類庫和開源項目，能夠快速的實現功能，滿足業務需求。

開發效率高：Python的各個優點是相輔相成的。例如，Python語言因為有了豐富強大的類庫，所以，Python的開發效率能夠顯著提高。相對於 C、C++ 和 Java等編譯語言，Python開發者的效率提高了數倍。實現相同的功能，Python代碼的文件往往只有 C、C++和Java代碼的1/5~1/3。雖然Python語言擁有很多吸引人的特性，但是，各大互聯網公司廣泛使用Python語言，很大程度上是因為Python語言開發效率高這個特點。開發效率高的語言，能夠更好的滿足互聯網快速迭代的需求，因此，Python語言在互聯網公司使用非常廣泛。

應用領域廣泛：Python語言的另一大優點就是應用領域廣泛，工程師可以使用Python 做很多的事情。例如，Web開發、網路編程、自動化運維、Linux系統管理、數據分析、科學計算、人工智慧、機器學習等等。Python語言介於腳本語言和系統語言之間，我們根據需要，既可以將它當做一門腳本語言來編寫腳本，也可以將它當做一個系統語言來編寫服務。

不可忽視的缺點

毫無疑問，Python確實有用很多的優點，每一個優點看起來都非常吸引人。但是，Python並不是沒有缺點的，最主要的缺點有以下幾個：

Python的執行速度不夠快。當然，這也不是一個很嚴重的問題，一般情況下，我們不會拿Python語言與C/C++這樣的語言進行直接比較。在Python語言的執行速度上，一方面，網路或磁碟的延遲，會抵消掉部分Python本身消耗的時間；另一方面，因為Python 特別容易和C結合起來，因此，我們可以通過分離一部分需要優化速度的應用，將其轉換為編譯好的擴展，並在整個系統中使用Python腳本將這部分應用連接起來，以提高程序的整體效率。

Python的GIL鎖限制並發：Python的另一個大問題是，對多處理器支持不好。如果讀者接觸Python時間比較長，那麼，一定聽說過GIL這個詞。GIL是指Python全局解釋器鎖（Global Interpreter Lock），當Python的默認解釋器要執行位元組碼時，都需要先申請這個鎖。這意味著，如果試圖通過多線程擴展應用程序，將總是被這個全局解釋器鎖限制。當然，我們可以使用多進程的架構來提高程序的並發，也可以選擇不同的Python實現來運行我們的程序。

Python 2與Python 3不兼容： 如果一個普通的軟體或者庫，不能夠做到後向兼容，那麼，它會被用戶無情的拋棄了。在Python中，一個槽點是Python 2與Python 3不兼容。因為Python沒有向後兼容，給所有的Python工程師帶來了無數的煩惱。

上述就是總結的Python語言的優缺點。總體來說，Python目前的發展還是非常不錯的。借著人工智慧時代的東風，Python開發人員的未來一定會很光明。

❽ 為什麼都說爬蟲PYTHON好

python上手容易，第三方庫多（go現在第三方庫也多）。

如果不考慮採集速度，不用登陸——requests，單線程，簡單的代碼如下：

url = "http://dd.com"

html = requests.get(url)

html.encoding=('GBK') #避免編碼問題 如有報錯，另外測試

print (html.text[:1000]) #輸出1000個字元，避免ide假死。

本人沒學過java c#，不清楚他們兩個一個簡單爬蟲的代碼量，想來最起碼比python的要多。

不過說實話python的工作機會沒有 java c#的多，也就是說別想著花錢去培訓班培訓了幾個月，就能找到月入過萬的工作。

python的運行效率比其他編程語言要差，不考慮效率的情況下，可以用python寫寫小代碼，有錢的可以寫scrapy代碼，堆伺服器做分布式爬蟲。

❾ 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系，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復雜的過程，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)

❿ Python 適合大數據量的處理嗎

python可以處理大數據，python處理大數據不一定是最優的選擇。適合大數據處理。而不是大數據量處理。 如果大數據量處理，需要採用並用結構，比如在hadoop上使用python，或者是自己做的分布式處理框架。

python的優勢不在於運行效率，而在於開發效率和高可維護性。針對特定的問題挑選合適的工具，本身也是一項技術能力。

Python處理數據的優勢（不是處理大數據）：

1. 異常快捷的開發速度，代碼量巨少

2. 豐富的數據處理包，不管正則也好，html解析啦，xml解析啦，用起來非常方便

3. 內部類型使用成本巨低，不需要額外怎麼操作（java，c++用個map都很費勁）

4. 公司中，很大量的數據處理工作工作是不需要面對非常大的數據的

5. 巨大的數據不是語言所能解決的，需要處理數據的框架（hadoop， mpi）雖然小眾，但是python還是有處理大數據的框架的，或者一些框架也支持python。

(10)python運行效率高不高擴展閱讀：

Python處理數據缺點：

Python處理大數據的劣勢：

1、python線程有gil，通俗說就是多線程的時候只能在一個核上跑，浪費了多核伺服器。在一種常見的場景下是要命的：並發單元之間有巨大的數據共享或者共用（例如大dict）。

多進程會導致內存吃緊，多線程則解決不了數據共享的問題，單獨的寫一個進程之間負責維護讀寫這個數據不僅效率不高而且麻煩

2、python執行效率不高，在處理大數據的時候，效率不高，這是真的，pypy（一個jit的python解釋器，可以理解成腳本語言加速執行的東西）能夠提高很大的速度，但是pypy不支持很多python經典的包，例如numpy。

3. 絕大部分的大公司，用java處理大數據不管是環境也好，積累也好，都會好很多。

參考資料來源：網路-Python