我认为我的实现可能有误，因为结果不合理。我有一个 Go 程序，用于计数到 1000000000：
package main
import (
"fmt"
)
func main() {
for i := 0; i < 1000000000; i++ {}
fmt.Println("Done")
}
这个任务可以在不到一秒钟内完成。另一方面，我有一个Python脚本：
x = 0
while x < 1000000000:
x+=1
print 'Done'
它几分钟就能完成。
为什么 Go 版本如此之快？它们都在计数到 1000000000，或者是我遗漏了什么吗？
十亿并不是一个很大的数字。只要是任何现代机器，如果能够使用本机类型进行工作，最多只需几秒钟即可完成。我编写了一个等效的C程序进行验证，查看汇编以确保它实际上正在执行加法，并计时（在我的机器上约为1.8秒）。
然而，Python并没有本地类型变量的概念（或者根本没有有意义的类型注释），因此在这种情况下需要做数百倍的工作。简而言之，你标题问题的答案是“是”。Go确实可以比Python快得多，即使没有任何像优化无副作用循环之类的编译器技巧。
pypy实际上在加快这个循环方面表现出色
def main():
x = 0
while x < 1000000000:
x+=1
if __name__ == "__main__":
s=time.time()
main()
print time.time() - s
$ python count.py
44.221405983
$ pypy count.py
1.03511095047
速度提升约97％！
对于3个没有"理解"的人，需要澄清的是Python语言本身并不慢。CPython实现是运行代码的相对简单的方式。Pypy是另一种语言实现，采用许多棘手的技巧（尤其是JIT），可以产生巨大差异。直接回答标题中的问题 - Go并不比Python快 "太多"，而是比CPython快那么多。
话虽如此，这些代码示例并没有真正执行相同的操作。Python需要实例化1000000000个int对象。Go只是增加一个内存位置。
这种情况将会极大地支持本地编译的静态类型语言。本地编译的静态类型语言能够发出非常简单的循环，例如4-6个CPU操作码，利用简单的检查条件来终止。这个循环有效地避免了分支预测错误，可以有效地被认为是每个CPU周期执行一次增量（虽然这并不完全正确）。
Python的实现需要做相当多的工作，主要是由于动态类型引起的。 在Python中，为了将两个 int 相加，必须进行多个不同的调用（内部和外部）。在Python中，它必须调用 __add__（实际上是 i = i.__add__(1)，但这种语法只适用于Python 3.x），然后检查传递的值的类型（以确保它是一个 int），然后添加整数值（从两个对象中提取它们），然后将新的整数值再次封装在一个新对象中。最后，它将新对象重新赋值给局部变量。相比之下，Go /本机版本很可能只通过副作用递增寄存器，这是相当多的工作，甚至没有解决循环本身的问题。
在这样一个微不足道的基准测试中，Java表现会更好，并且很可能与Go非常接近；JIT和计数器变量的静态类型可以确保这一点（它使用特殊的整数加JVM指令）。再次强调，Python没有这样的优势。现在，有一些实现，比如PyPy/RPython，它们运行静态类型检查阶段，在这里的表现应该比CPython好得多..
在这里有两个因素起作用。首先，Go语言被编译成机器码并直接在CPU上运行，而Python被编译为字节码并针对（特别慢的）虚拟机执行。
第二个更重要的影响程序性能的因素是，这两个程序的语义实际上有很大的不同。Go版本创建了一个名为“x”的“框”，该框包含一个数字，并在每次通过程序时将其增加1。Python版本实际上必须在每个循环中创建一个新的“框”（int对象），并最终不得不将它们丢弃。我们可以通过稍微修改您的程序来演示这一点：
package main
import (
"fmt"
)
func main() {
for i := 0; i < 10; i++ {
fmt.Printf("%d %p\n", i, &i)
}
}
...并且：
x = 0;
while x < 10:
x += 1
print x, id(x)
for x in xrange(1000000000):
pass
print "Done."
如果你使用这种方法，你会发现它运行速度会快大约两倍。如果你发现循环计数器实际上是你程序的主要瓶颈，那么现在可能是时候去探索一种新的解决问题的方式了。
@troq
我有些迟到，但是我的答案是肯定和否定。正如@gnibbler所指出的那样，CPython在简单实现上较慢，但当你需要时，pypy可以进行即时编译以获得更快的代码。
如果您使用CPython进行数字处理，大多数人将使用numpy对数组和矩阵进行快速操作。最近我一直在使用numba，它允许您向代码添加简单的包装器。对于这个函数，我只需向incALot()添加@njit，就可以运行您在上面看到的代码。
在我的计算机上，CPython需要61秒，但使用numba包装器只需要7.2微秒，这将类似于C，并且可能比Go更快。这是一个800万倍的加速。
因此，在Python中，如果数字方面似乎有点慢，还有工具来解决它-而且您仍然可以获得Python的程序员生产力和REPL。
def incALot(y):
x = 0
while x < y:
x += 1
@njit('i8(i8)')
def nbIncALot(y):
x = 0
while x < y:
x += 1
return x
size = 1000000000
start = time.time()
incALot(size)
t1 = time.time() - start
start = time.time()
x = nbIncALot(size)
t2 = time.time() - start
print('CPython3 takes %.3fs, Numba takes %.9fs' %(t1, t2))
print('Speedup is: %.1f' % (t1/t2))
print('Just Checking:', x)
CPython3 takes 58.958s, Numba takes 0.000007153s
Speedup is: 8242982.2
Just Checking: 1000000000
编译器可能意识到您在循环后没有使用“i”变量，因此它通过删除循环来优化最终代码。
即使您之后使用了它，编译器也可能足够聪明以替换循环。
i = 1000000000;
go build -gcflags -S main.go。 - topskip我不熟悉Go语言，但我猜测Go版本会忽略循环，因为循环体什么也没做。另一方面，在Python版本中，你在循环体中递增了x，所以它可能实际上正在执行循环。