不管你是待業(yè)還是失業(yè),在這個被互聯(lián)網(wǎng)圍繞的時代里,選擇python為什么這么慢,就多了一項技能,還怕找不到工作?,還怕不好找工作?小編就來告訴你這個專業(yè)的優(yōu)勢到底體現(xiàn)在哪里:居然有人說Python很慢?Python之父一句話眾人沉默不言。??。
本文的文字及圖片來源于網(wǎng)絡,僅供學習、交流使用,不具有任何商業(yè)用途,版權(quán)歸原作者所有,如有問題請及時聯(lián)系我們以作處理本篇文章來自騰訊云 作者:Python之禪Python的運行速度確實沒有C或者Java快,但是有一些項目正在努力讓Python變得更快。Python代碼簡潔干凈,但是大家都知道Python運行起來相對較慢 — 在CPU密集型的任務上慢于C、Java和(但是大多數(shù)服務都不是CPU密集型的)— 但是有些團隊希望Python是盡善盡美的,所以他們準備從內(nèi)而外地提升Python的性能。如果你想讓Python在特定硬件上運行得快一點,你至少有兩個選擇,每個選擇都有一些弊?。篴. 你可以創(chuàng)建一個Python運行時的替代品,但是*你會發(fā)現(xiàn)你重寫了一遍CPython。b. 你可以重寫現(xiàn)存的部分代碼來利用一些性能優(yōu)化的特性,缺點是程序員需要做更多的工作。下面是五種已有的方案,幫助你提高Python的性能。PyPy在CPython的替代品中,PyPy是最顯眼的那一個(比如Quora就在生產(chǎn)環(huán)境中使用它)。它也最有機會成為默認解釋器,它和現(xiàn)存Python代碼高度兼容。PyPy使用適時編譯來加速Python,這項技術(shù)Google也在使用,Google在V8引擎中使用它加速。最近的版本PyPy2.5增加了一些提升性能的特性,其中有一項很受歡迎,它集成了Numpy,Numpy之前也一直被用來加速Python的運行。使用Python3的代碼需要對應地使用PyPy3。PyPy目前只支持到Python3.2.5,對Python3.3的支持正在進行中。,由Dropbox資助,使用LLVM編譯器架構(gòu)來加速Python,同樣的它也使用了適時編譯。相比于PyPy,Pyston還處于早期階段,它只支持Python的部分特性。Pyston把工作分成兩個部分,一部分是語言的核心特性,另一部分是把性能提升到可接受的程度。Pyston距離可以在生產(chǎn)環(huán)境使用還有一段距離Nuitka除了替換Python運行時,有些團隊嘗試將Python代碼轉(zhuǎn)換為能夠在本地高效運行的其他語言的代碼。其中著名的項目是Nuitka–把Python代碼轉(zhuǎn)換為C++代碼–雖然運行時還是依賴Python運行時。這樣限制了它的可移植性,不過性能提升是可觀的。長期規(guī)劃中,Nuitka還準備讓C語言能夠調(diào)用Nuitka編譯的Python代碼,這樣性能提升將更加明顯。(Python的C語言擴展)是Python的超集,它能把Python代碼編譯成C代碼,并與C和C++進行交互。它可以作為Python項目的擴展使用(重新性能要求高的部分),或者單獨使用,不涉及傳統(tǒng)的Python代碼。缺點是你寫的不是Python,所以需要手動遷移,缺乏可移植性。據(jù)說,Cython提供了一些特性來讓代碼更高效,比如變量類型化,這本質(zhì)上是C要求的。一些科學計算的包,如scikit-learn依賴Cython的一些特性來保持操作簡潔快速。結(jié)合了上面幾個項目的想法。學習了Cython,Numba也采用了部分加速的策略,只加速CPU密集型的任務;同時它又學習了PyPy和Pyston,通過LLVM運行Python。你可以用一個裝飾器指定你要用Numba編譯的函數(shù),Numba繼承Numpy來加速函數(shù)的執(zhí)行,Numba不做適時編譯,它的代碼是預先編譯的。Python之父說:大部分覺得Python慢的應用都是沒有正確地使用Python。對于CPU密集型的任務有多種方法來提升性能–使用Numpy來做計算,調(diào)用外部C代碼,以及盡量避免GIL鎖。由于GIL鎖目前還無法被替代,所以有很多項目開始嘗試一些短期可行的替代方案,當然這些方案也可能轉(zhuǎn)變?yōu)殚L期的可選項。
就拿大數(shù)據(jù)說話,優(yōu)勢一目了然,從事IT行業(yè),打開IT行業(yè)的新大門,找到適合自己的培訓機構(gòu),進行專業(yè)和系統(tǒng)的學習。
只要一個電話
我們免費為您回電