python作为一个动态语言, 本身学习曲线比较平滑, 效率相比起来会比c++和java低一些. 脚本语言都是运行时编译的, 这个对于效率的影响是非常大的.
我借用参考1的代码, 加了点代码import time
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
import
time
class
Timer(object):
def
__init__(self):
pass
def
__enter__(self):
self.start =
time.time()
def
__exit__(self, exception_type, exception_val, trace):
print
"elapsed:", time.time() -
self.start
# case 1def
main():
for
_ in
xrange(10
**
8):
pass
with Timer(): main()
# case 2with Timer(): for
_ in
xrange(10
**
8):
pass
|
代码很简单, 就是循环10**8次, 二者的区别是, 一个是直接循环, 另外一个是封装成一个main函数, 运行结果如下
|
1
2
|
elapsed: 3.53965115547
elapsed: 5.47090697289
|
封装成函数的要比直接循环会快很多. 我不是很清楚这其中具体的原因, 这里我根据个人的理解, 解释一下, 纯属个人意见.
python运行时编译(JIT), 封装成函数的这个可以整体编译, 解释器可以针对函数作编译后的优化, 直接循环的, 无法作编译后优化, 可能是这个原因导致了二者性能的差异.
python的性能优化方法有很多种, 最简单的方式是用更快的python解释器, python是有多种实现的, 官方提供的是CPython, 此外还有Jython(jvm的实现), IronPython(.Net的实现), pypy(纯python实现的), stackless python等很多种实现.
pypy是一个性能不错的解释器, 相同的例子, 在我的机器上使用pypy的运行结果如下
|
1
2
|
elapsed: 0.117020130157
elapsed: 0.501815080643
|
这个的性能提升还是非常明显的, pypy是大家可以考虑的一个解释器.
水平有限, 欢迎拍砖!
参考
- 代码执行的效率: http://coolshell.cn/articles/7886.html
- pypy: http://pypy.org/