为什么Python程序通常比用C或C++编写的等效程序慢？
为什么Python看起来比C/C++慢呢？我学Python的时候是我的第一门编程语言，但我刚开始学C，就已经感觉到两者之间的明显区别了。
11 个回答
在这里，编译和解释的区别并不重要：Python 是 编译过的，而这只是任何复杂程序运行成本中的一小部分。
主要的成本有：缺少与本地整数对应的整数类型（这使得所有整数操作变得非常昂贵），缺少静态类型（这让方法的解析变得更困难，并且意味着值的类型必须在运行时检查），以及缺少未包装的值（这可以减少内存使用，并避免某种间接访问）。
并不是说这些问题在Python中无法解决或不能提高效率，但选择是为了更方便程序员、灵活性和语言的简洁性，而不是追求运行速度。有些成本可能通过聪明的即时编译（JIT）来克服，但Python所提供的好处总是会带来一些代价。
CPython特别慢，因为它没有即时编译器（JIT）。这是因为它是Python的参考实现，某些情况下更注重简单性而不是性能。Unladen Swallow是一个项目，旨在为CPython添加一个基于LLVM的JIT，从而大幅提升速度。Jython和IronPython可能比CPython快很多，因为它们依赖于经过高度优化的虚拟机（JVM和.NET CLR）。
不过，有一点可以说是让Python变慢的原因，那就是它是动态类型的，每次访问属性时都需要进行大量查找。
举个例子，当你在一个对象A上调用f时，可能会在__dict__中查找，调用__getattr__等，最后才会调用可调用对象f的__call__方法。
关于动态类型，如果你知道自己处理的数据类型，可以进行很多优化。例如在Java或C语言中，如果你有一个整数数组想要求和，最终的汇编代码可以简单到只需获取索引i的值，加到一个“累加器”上，然后再增加i。
在Python中，要做到这样的优化非常困难。假设你有一个包含int的列表子类对象。在添加任何元素之前，Python必须先调用list.__getitem__(i)，然后通过调用accumulator.__add__(n)将其加到“累加器”中，然后再重复这个过程。在这里可能会发生很多额外的查找，因为另一个线程可能在调用添加或获取元素之间改变了__getitem__方法、列表实例的字典或类的字典。即使是在本地命名空间中查找累加器和列表（以及你使用的任何变量）也会导致字典查找。使用任何用户定义的对象时也会有同样的开销，尽管对于某些内置类型，这种情况会有所缓解。
还值得注意的是，像bigint（Python 3中的int，Python 2.x中的long）、列表、集合、字典等原始类型是Python中人们使用得非常多的。这些对象上有很多内置操作已经足够优化。例如，对于上面的例子，你只需调用sum(list)，而不是使用累加器和索引。坚持使用这些内置类型，以及进行一些整数/浮点数/复数的计算，通常不会有速度问题。如果有，那可能是某个小的时间关键单元（比如SHA2摘要函数），你可以简单地将其移到C（或在Jython中移到Java代码）中。事实上，当你用C或C++编程时，你会浪费大量时间去做一些在Python中只需几秒钟/几行代码就能完成的事情。我认为这种权衡总是值得的，除非你在做嵌入式或实时编程，无法承受这种开销。
Python是一种比C语言更高级的编程语言，这意味着它把计算机的一些复杂细节，比如内存管理和指针等，隐藏起来，让你可以用更接近人类思维的方式来写程序。
确实，如果只看代码执行的速度，C语言的代码通常比Python快10到100倍。但是，如果你把开发时间也考虑进去，Python往往会胜过C。对于很多项目来说，开发时间比运行速度更重要。开发时间越长，直接就意味着成本增加、功能减少和上市时间延长。
Python代码执行较慢的原因在于，它是在运行时解释执行的，而不是在编译时编译成机器代码。
其他一些解释型语言，比如Java字节码和.NET字节码，运行速度比Python快，因为它们的标准版本包含一个即时编译器，可以在运行时把字节码编译成机器代码。CPython没有即时编译器的原因是，Python的动态特性让编写这样的编译器变得困难。目前正在进行一些工作，旨在开发一个更快的Python运行环境，所以未来你可以期待性能差距会缩小，但可能还需要一段时间，标准的Python版本才会包含一个强大的即时编译器。