Python慢的重要原因：

1、python是動態(tài)性語言不是靜態(tài)性語言

在python程序執(zhí)行的時候，編譯器不知道變量的類型。

2、python是解釋性語言而不是編譯性語言

解釋型語言與編譯型語言它們本身的區(qū)別也會造成程序在執(zhí)行的時候的速度差異。一個智能化的編譯器可以預測并針對重復和不需要的操作進行優(yōu)化。這也會提升程序執(zhí)行的速度。

3、 python的對象模型會導致訪問內(nèi)存效率低下

相對于C語言，在python中對整數(shù)進行操作會有一個額外的類型信息層。

當有很多的整數(shù)并且希望進行某種批操作時，在python中往往會使用一個list，而在C中會使用某個基于緩存區(qū)的數(shù)組。

內(nèi)容擴展：

Python一種動態(tài)類型，解釋性的語言，對于很多開發(fā)者來說，Python運行慢是眾所周知的事情，其萬物皆對象的特性，就是導致其運行慢的一個原因，這篇文章就是想聊聊這里面的一些細節(jié)。

慢的原因

由于各種原因，Python比Fortran和C語言慢。

動態(tài)類型

Pythn是動態(tài)類型而不是靜態(tài)類型的，這意味著，在程序執(zhí)行時，解釋器并不知道變量的類型。下圖可以用來說明C變量和Python變量的區(qū)別

對C語言來說，編譯器在聲明變量的時候就知道其類型了；對Python來說，程序執(zhí)行時只知道一個變量是某種Python對象。

對于下面的C代碼

int a = 1;
int b = 2;
int c = a + b;

編譯器始終知道a和b是整型，在執(zhí)行相加運算時，流程如下:

把<int> 1賦值給a

把<int> 2賦值給b

調(diào)用binary_add<int, int>(a, b)

把結果賦值給c

實現(xiàn)同樣功能的Python代碼如下

a = 1
b = 2
c = a + b

解釋器只知道1和2是對象，但是并不知道這個對象的類型。所以解釋器必須檢查每個變量的PyObject_HEAD才能知道變量類型，然后執(zhí)行對應的相加操作，最后要創(chuàng)建一個新的Python對象來保存返回值，大致流程如下：

把1賦值給a

• 設置a->PyObject_HEAD->typecode為整型
  
• 設置a->val = 1
  

把2賦值給b

• 設置a->PyObject_HEAD->typecode為整型
• 設置b->val = 2
  

調(diào)用binary_add<int, int>(a, b)

• a->PyObject_HEAD獲取類型編碼
• a是一個整型；值為a->val
• b->PyObject_HEAD獲取類型編碼
• b是一個整型，值為b->val
• 調(diào)用binary_add<int, int>(a->val, b->val)
• 結果為整型，存在result中

創(chuàng)建對象c

設c->PyObject_HEAD->typecode為整型

設置c->val為result

動態(tài)類型意味著任何操作都會涉及更多的步驟。這是Python對數(shù)值操作比C語言慢的主要原因

到此這篇關于Python程序慢的重要原因的文章就介紹到這了,更多相關Python慢的重要原因內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論