Python比Java/C#慢吗？
16
Python（语言）有许多运行时实现。
- CPython通常是解释的，比本机C#慢。根据Java JIT编译器的情况，它可能比Java慢。 - Jython在JVM中解释，具有与Java相同的性能特征。 - IronPython依赖于与C#相同的.NET库和IL，因此性能差异相对较小。 - Python可以通过PyREX、PyToC和其他方式转换为本机代码。在这种情况下，它通常会与C++表现一样好。你可以进一步优化C++以获得比PyREX未经优化的输出略微更好的性能。 有关更多信息，请参见http://arcriley.blogspot.com/2009/03/so-long-pyrex.html 请注意，Python（语言）并不慢。一些Python运行时（例如CPython）将比本机C++慢。
17
我认为正确的答案是非技术性的。最快的Java和.NET运行时更快，因为它们有大型全职技术团队在性能竞争环境中开发它们。
动态语言系统易于实现。任何白痴都可以做到。我做过。静态语言系统更复杂，设计和实现起来更复杂。一个简单的静态系统往往会比等效的动态系统运行得更快。然而，高度优化的动态系统也可以运行得几乎一样快。我了解一些Smalltalk实现非常好。一个经常引用的开发动态系统的例子是MIT Lisp Machine。
此外，如果真正的grunt工作是由库代码完成的，那么语言系统可能并不重要。或者，该语言可能鼓励（或给时间！）开发更有效的算法，这些算法可以轻松消除常数因子性能差异。
1
我们进行了一个小实验：我们比较了不同语言中阶乘计算的执行时间。该测试实际上旨在评估任意精度整数实现的性能。
testee.语言任意精度整数运行时
1. Java java.math.BigInteger JRE 6.13 2. .NET System.Numerics.BigInteger MS CLR 4.0 3. Python long Active Python 2.6.2.2 4. Squeak BigInt Squeak 3.10.2 5. .NET Mono.Math.BigInteger MS CLR 4.0
结果:
1) 2) 3) 4) 5) 10,000! 343 毫秒 137 毫秒 91 毫秒 1,200 毫秒 169 毫秒 20,000! 1,480 毫秒 569 毫秒 372 毫秒 1,457 毫秒 701 毫秒 30,000! 3,424 毫秒 1,243 毫秒 836 毫秒 3,360 毫秒 1,675 毫秒 40,000! 6,340 毫秒 2,101 毫秒 1,975 毫秒 6,738 毫秒 3,042 毫秒 50,000! 10,493 毫秒 3,763 毫秒 3,658 毫秒 10,019 毫秒 5,242 毫秒 60,000! 15,586 毫秒 7,683 毫秒 5,788 毫秒 14,241 毫秒 10,000 毫秒
(来源: mycsharp.de)
这个柱状图显示了结果。Python是明显的赢家。据我所知，Python使用Karatsuba算法来乘以大整数，这解释了速度。
此外，Python的“任意精度整数”类型是内置的long。因此，您甚至不需要为Java的BigInteger类所需的特殊类型处理。
7
简单来说，Python很慢。
无论你使用哪个解释器（目前可用），它都比Java和C慢。在各种基准测试中，它比Ruby和PHP还要慢。 不要依赖别人的答案，自己检查和验证。
就我个人而言，我认为在使Python更快的问题上并没有做出很多严肃的贡献和开发工作。由于Python的生产力非常高，并且能够直接解决某些问题，因此速度/性能并没有得到严肃对待。还存在一些架构问题，阻碍了Python的性能提升。
免责声明 - 这个答案可能会伤害Python爱好者。我也是Python开发人员，在Django / Flask / Pyramid中开发Web应用程序，而不是Spring（Java）。但是根据我的工作和经验，我看到了Python有多么慢。速度并不总是我的首要考虑因素。但我会支持那些认为Python解释器应该得到润滑和加油或彻底更换引擎，至少能够参加马拉松比赛的人们。它是一种主流编程语言。
3
如评论中建议的那样，您应该提供一个测试用例来推理。性能差异背后的原因将根据执行的测试而变化。
然而，我认为静态与动态性质可能有很大关系。对于非虚拟调用，JIT编译的C# / Java非常便宜，因为它可以在JIT时间准确确定。即使是虚拟调用也只涉及单级重定向。当绑定变得动态时，需要考虑更广泛的事情。
我不知道Python的细节足够多，无法声称理解其精确的运行时行为，我怀疑这也可能随版本和实现的不同而有所变化。有一种名为"python字节码"的东西，然后由虚拟机执行 - 这个虚拟机是否实际上执行JIT编译还是另一回事。
2
问题在于编译阶段可用的信息较少，因此在动态类型语言中运行时需要更多的工作。这意味着如果我正在进行方法调用foo.bar()，在Java或C++中，通过发现"foo"的类型，可以在编译过程中优化对bar的调用，并直接调用编译器知道将找到的方法的内存位置。由于python或任何其他动态类型语言的编译器不知道foo对象属于哪种类型，因此必须在运行时进行类型检查，然后查找bar方法的地址并执行它。
还有其他困难使python编译器编写者感到苦恼，尽管上面的一个问题希望足够表明情况。因此，即使是最好的编译器编写者，静态类型语言在运行时也很可能表现更好。
动态类型语言的优势通常在于开发时间。由于需要编写和维护的代码行数较少，并且没有开发人员的编译等待时间，因此开发速度通常更快。
1
你所看到的是使用Python编写Java的明显例子：
def __init__(self,size):
self.first = None
last = None
for i in range(size):
current = Person(i)
if self.first == None : self.first = current
if last != None :
last.next = current
current.prev = last
last = current
self.first.prev = last
last.next = self.first
def __init__(self,size):
chain = [Person(i) for i in range(size)]
self.first = chain[0]
chain = zip(chain, chain[1:].append(chain[0]))
for p,n in chain:
p.next = n
n.prev = p
3
这与编程语言本身无关，只是因为Java的实现和JVM（运行时系统）非常高质量，并且多年来已经投入了大量资源来提高稳定性、可扩展性和性能。
相比之下，CPython实现最近才在其解释器中实现了线程分派，从而为某些问题带来了高达20%的性能提升。这并不是好事，因为这种基本的优化应该从一开始就存在。
1
原文链接