Python 是數(shù)據(jù)科學(xué) (DS) 和機器學(xué)習(xí) (ML) 中最常用的腳本語言之一。根據(jù)“ PopularitY of Programming Languages ”，Python 是 Google 上搜索次數(shù)最多的語言。除了作為將各種 DS/ML 解決方案連接在一起的出色膠水語言之外，它還有許多庫可以對數(shù)據(jù)進(jìn)行虛擬處理。
大約一個月后，我們獲得了 Python 的全新年度版本：3.11 版。我對這個新版本感到非常興奮，因為這個版本的主要特點是速度顯著提高。
要了解 Python 3.11 真正的速度有多快，最好的方法是自己運行測試。
對編程語言進(jìn)行基準(zhǔn)測試并非易事。當(dāng)您閱讀x比y快時，您應(yīng)該始終對結(jié)果持保留態(tài)度。一種算法的實現(xiàn)可能比x更好，而另一種算法在y上更好。對于我們的基準(zhǔn)測試，它有點簡單，因為我們正在針對 Python 測試 Python，但我們可能從語言中選擇了僅受到輕微影響的元素?？紤]到這一點，我想介紹我用來進(jìn)行基準(zhǔn)測試的算法：使用蒙特卡洛方法估計 Pi。
這個算法的想法很簡單，但是在大學(xué)的一些數(shù)學(xué)課程中第一次看到它讓我大吃一驚。我們有一個大小為2r的正方形，在這個正方形中我們擬合一個半徑為r的圓。現(xiàn)在我們采用一個隨機數(shù)生成器，它在平面上生成數(shù)字：<-r, r>, <-r, r>。圓上的點與正方形上的點之間的比率（讀?。核悬c）是面積比的近似值，我們可以用它來近似 Pi。這在等式中更清楚一點：
在 Python 中，我將實際估計與測試腳本分開，這樣我就可以重復(fù)測試并取平均值。此處未顯示，但我還使用Argparse對腳本進(jìn)行了參數(shù)化，這是一個用于解析來自命令行界面 (CLI) 的參數(shù)的標(biāo)準(zhǔn)庫。Python 代碼如下所示：
該腳本已準(zhǔn)備好運行，但我們希望使用它來測試各種版本的 Python，而不僅僅是當(dāng)前安裝（或激活）的版本。測試多個 Python 版本的最簡單方法是使用 Docker。Python 維護著許多 docker 鏡像。自然是所有受支持的版本，還有一些生命周期結(jié)束 (EOL) 的版本，例如 2.7 或 3.2。它還具有用于發(fā)布候選版本的圖像，例如版本 3.11。要使用 Docker，您需要安裝它。在 Linux 和 Mac 中它相對容易，在 Windows 中我不太確定，但可能也不難。我建議只安裝 docker CLI，桌面對我來說太臃腫了。要在容器化 Python 環(huán)境中運行本地腳本，請運行：
為了自動化各種版本的測試，我們當(dāng)然也會使用 Python。這個腳本將簡單地啟動一個子進(jìn)程來啟動一個具有特定 Python 版本的容器，然后收集結(jié)果。沒什么特別的：
運行這些測試時，絕對數(shù)量因機器而異，具體取決于處理器（CPU 很重）。以下是最近 7 個主要 Python 版本的結(jié)果：
新的 Python 3.11 每次運行耗時 6.4605 秒。Python 3.5 耗時 11.3014 秒。（Python 3.11 快 74.9%）
Python 3.6 耗時 11.4332 秒。（Python 3.11 快 77.0%）
Python 3.7 耗時 10.7465 秒。（Python 3.11 快 66.3%）
Python 3.8 耗時 10.6904 秒。（Python 3.11 快 65.5%）
Python 3.9 耗時 10.9537 秒。（Python 3.11 快 69.5%）
Python 3.10 耗時 8.8467 秒。（Python 3.11 快 36.9%）</pre>
Python 3.11 的基準(zhǔn)測試平均耗時 6.46 秒。與之前的版本 (3.10) 相比，這幾乎快了 37%。相當(dāng)令人印象深刻！3.9 版和 3.10 版之間的差異大致相同，使 3.11 版快了近 70%！我已經(jīng)在圖 2 中繪制了所有時間。
在談?wù)撍俣葧r，我們總是有一個人說：如果你想要速度，為什么不使用 C。
C 比 Python 快得多！——那個人
雖然我的 C 有點生銹，但我還是想試試看。我使用了 GNU C++，因為它帶有一個不錯的時間測量庫（chrono）。找到下面的代碼：
眾所周知，C++ 是一種編譯語言，因此我們需要先編譯源代碼才能使用它。
編譯后，只需運行構(gòu)建可執(zhí)行文件。輸出應(yīng)該是這樣的：
Pi 約為 3.14227，計算時間為 0.25728 秒。
Pi 約為 3.14164，計算時間為 0.25558 秒。
Pi 約為 3.1423，計算時間為 0.25740 秒。
Pi 約為 3.14108，計算時間為 0.25737 秒。
Pi 約為 3.14261，計算時間為 0.25664 秒。每個循環(huán)平均需要 0.25685 秒來計算。
我們必須同意那個人的觀點，因為它真的（閱讀：真的）很快。執(zhí)行我們之前在 Python 中編寫的相同循環(huán)只需要 0.257 秒。讓我們在之前的圖中將其添加為一條線，如圖 3 所示。
現(xiàn)在，在對之前的數(shù)字進(jìn)行了更長時間的欣賞之后，我們清楚地看到了 Python 獲得的動力。自 3.9 版以來，Python 的速度提高了約 35%。Python 開發(fā)人員提到，接下來的幾個版本將顯著提高速度，因此，我們可以假設(shè)這個速度將保持不變（是的，超級安全的假設(shè)）。
現(xiàn)在的問題是，在這種勢頭固定的情況下，Python 何時會超越 C++ 的時代。為此，我們當(dāng)然可以使用外推法來預(yù)測下一個 Python 版本的循環(huán)時間。這些可以在圖 4 中看到。
圖 4：推斷 Python 速度 -> Python 3.14 的速度將超過 C++。驚人?。ㄗ髡邎D片）。
結(jié)果真的很驚人！保持這個速度，Python 3.14 將比 C++ 更快。確切地說，循環(huán)時間為-0.232秒，因此它會在您想要進(jìn)行計算之前完成。時空連續(xù)體中似乎有一個洞，但這些計算是堅如磐石的。因此，我認(rèn)為我們可能不得不質(zhì)疑愛因斯坦和朋友的工作。
