python好难啊,Python简单吗

　　Python的运行速度没有C或Java快，但一些项目正试图让Python更快。

　　Python的代码简洁干净，但是大家都知道Python的运行速度相对较慢——在CPU密集型的任务中比C、Java、Javascript慢(但是大部分服务都不是CPU密集型的)——但是有些团队希望Python尽善尽美，所以他们准备从内到外提升Python的性能。

　　如果您希望Python在特定硬件上运行得更快，您至少有两种选择，每种选择都有一些缺点：

　　A.你可以创建Python运行时的替代品，但最后你会发现你又重写了CPython。

　　B.您可以重写一些现有的代码，以利用一些性能优化特性。缺点是程序员需要做更多的工作。

　　这里有五个现有的方案可以帮助你提高Python的性能。

　　PyPy

　　在CPython的替代品中，PyPy是最引人注目的一个(例如，Quora在生产环境中使用它)。它也最有可能成为默认解释器。它与现有的Python代码高度兼容。

　　PyPy使用即时编译来加速Python。这项技术也被Google使用，在V8引擎中使用它来加速Javascript。PyPy2.5的最新版本增加了一些性能增强特性，其中一个非常受欢迎。它集成了Numpy，这是以前用来加速Python的。

　　使用Python3的代码需要相应地使用PyPy3。PyPy目前只支持Python3.2.5，对Python3.3的支持正在进行中。

　　Pyston

　　由Dropbox资助的Pyston使用LLVM编译器架构来加速Python，它还使用即时编译。与PyPy相比，Pyston还处于早期阶段，它只支持Python的一些特性。Pyston将工作分为两部分，一是语言的核心特性，二是将性能提高到可以接受的水平。Pyston要在生产环境中使用还有很长的路要走。

　　Nuitka

　　除了替换Python运行时之外，一些团队还试图将Python代码转换成可以在本地高效运行的其他语言的代码。其中一个著名的项目是Nuitka——将Python代码转换成C代码——尽管运行时仍然依赖于Python运行时。这限制了它的可移植性，但性能提升是相当可观的。在长期规划中，Nuitka还打算启用C语言调用Nuitka编译的Python代码，这样性能提升会更明显。

　　Cython

　　cy thon(Python的C语言扩展)是Python的超集，可以将Python代码编译成C代码，与C、C交互，可以作为Python项目的扩展(性能要求高的部分)，也可以单独使用，不涉及传统的Python代码。缺点是你没写Python，需要手动迁移，缺乏可移植性。

　　据说Cython提供了一些让代码更高效的特性，比如变量类型化，这是c语言本质上需要的，一些科学计算包，比如scikit-learn，依靠Cython的一些特性来保持操作简洁快速。

　　Numba

　　Numba结合了以上项目的思路。Numba在学习Cython之后，也采用了部分加速的策略，只加速CPU密集型的任务；同时它学习了PyPy和Pyston，通过LLVM运行Python。你可以使用一个装饰器来指定你想用Numba编译的函数。Numba继承了Numpy来加速函数的执行。Numba不能及时编译，但是它的代码是预编译的。

　　Python之父说：大部分认为Python慢的应用都没有正确使用Python。提高CPU密集型任务性能的方法有很多——使用Numpy进行计算，调用外部C代码，尽可能避免GIL锁。由于GIL船闸目前无法替代，很多项目已经开始尝试一些短期可行的替代方案，当然这些替代方案也有可能变成长期替代方案。

　　在这里还是要推荐下我自己建的Python开发学习群：1156465813，群里都是学Python开发的，如果你正在学习Python ，欢迎你加入，大家都是软件开发党，不定期分享干货（只有Python软件开发相关的），包括我自己整理的一份2020最新的Python进阶资料和高级开发教程，欢迎进阶中和进想深入Python的小伙伴！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。