很多人詬病的python運(yùn)行效率問題。我們來做個(gè)對(duì)比。
同樣寫一段斐波那契數(shù)列程序，對(duì)比一下以上幾種語言的運(yùn)行效率。
C程序：

#include <stdio.h>
#include <time.h>

int fib(int n)
{
    if (n <= 1)
    {
        return n;
    }
    else
    {
        return fib(n - 1) + fib(n - 2);
    }
}

int main()
{
    clock_t start, end;
    double cpu_time_used;
    start = clock();  // 開始計(jì)時(shí)
    int n;
    printf("請(qǐng)輸入一個(gè)整數(shù)： ");
    scanf("%d", &n);
    fib(n);
    end = clock();  // 結(jié)束計(jì)時(shí)
    cpu_time_used = ((double) (end - start)) / CLOCKS_PER_SEC;  // 計(jì)算時(shí)間
    printf("程序執(zhí)行時(shí)間為: %f seconds\n", cpu_time_used);
    return 0;
}

C++程序：

#include <bits/stdc++.h>
#include <ctime>
#define CLOCK_PER_SEC 1000
using namespace std;
typedef long long ll;
ll step=0,cnt=0;

int Digui(ll step)
{
        cnt++;
        if(step==1||step==2)
        {
                return 1;
        }
        return Digui(step-1)+Digui(step-2);
}

int main()
{
        clock_t  start = clock();
        Digui(40);
        clock_t end = clock();
        cout<<"花費(fèi)了："<<(double)(end-start)/CLOCK_PER_SEC<<"毫秒"<<endl;
        return 0;
}

Go程序：

package main

import (
        "fmt"
        "time"
)

func Fib(n int) int {
        if n == 1 || n == 2 {
                return 1
        }
        return Fib(n-2) + Fib(n-1)
}

func main() {
        now_t := time.Now()
        Fib(40)
        end_t := time.Now()
        fmt.Println("時(shí)間差：", end_t.Sub(now_t))
}

python程序

import time
def fib(n):
    if n == 1 or n == 2:
        return 1
    return fib(n - 1) + fib(n - 2)


if __name__ == '__main__':
    start_time = time.time()
    fib(40)
    end_time = time.time()
    print("消耗時(shí)間：",end_time-start_time)

python 編譯成so文件，程序跟Python是一致的，只是把python編譯成了so二級(jí)制，再調(diào)用執(zhí)行：
算的是，40以內(nèi)的斐波那契數(shù)列。C和C++編譯時(shí)，使用的-03優(yōu)化。還可以使用緩存優(yōu)化，考慮到對(duì)比的公平性沒有做。時(shí)間單位統(tǒng)一成了秒。其中C++和Go語言的運(yùn)行時(shí)間，兩次時(shí)間有點(diǎn)兒接近，采用多次運(yùn)行取最大。

image.png

結(jié)論：C語言最快，Go語言性能跟C++接近，python可以編譯成so執(zhí)行會(huì)使效率提升3-4倍。python需要效率的地方，可以使用numpy或者pandas執(zhí)行，由于是C開發(fā)的，效率更高。