每當(dāng)出現(xiàn)編程速度競賽時，Python通常都會走到最底層。有人說這是因為Python是一種解釋語言。所有的解釋語言都很慢。但是我們知道Java也是一種語言，它的字節(jié)碼由JVM解釋。
https://benchmarksgame-team.pages.debian.net/benchmarksgame/fastest/python3-java.html如本基準(zhǔn)測試所示，Java比Python快得多。
這是一個可以演示Python慢度的示例。使用傳統(tǒng)的for循環(huán)產(chǎn)生倒數(shù)：
import numpy as npnp.random.seed(0)values = np.random.randint(1, 100, size=1000000)def get_reciprocal(values): output = np.empty(len(values)) for i in range(len(values)): output[i] = 1.0/values[i]%timeit get_reciprocal(values)結(jié)果：
每個循環(huán)3.37 s±582毫秒（平均±標(biāo)準(zhǔn)偏差，共7次運(yùn)行，每個循環(huán)1次）神圣的xxx，計算1,000,000個倒數(shù)需要3.37s。C語言中的相同邏輯只需要眨一下就可以了：9ms ; C＃需要19毫秒; Nodejs花費26ms ; Java需要5毫秒！而Python則采用了自我懷疑的3.37秒。（我在最后附加了所有測試代碼）。
我們通常將Python稱為動態(tài)類型編程語言。而且Python程序中的所有內(nèi)容都是object，換句話說，每次Python代碼處理數(shù)據(jù)時，都需要將對象包裝拆箱。在for循環(huán)內(nèi)部，每次迭代都需要拆箱對象，檢查類型并計算倒數(shù)。那3秒鐘都在類型檢查中浪費了。
與C之類的傳統(tǒng)語言不同，對數(shù)據(jù)的訪問是直接的，而在Python中，大量的CPU周期用于檢查類型。
即使是簡單的數(shù)字分配也將花費很長時間。
a = 1步驟1.設(shè)置a->PyObject_HEAD->typecode為整數(shù)步驟2.設(shè)置a->val =1與Python列表不同，NumPy數(shù)組是圍繞C數(shù)組構(gòu)建的對象。NumPy中的訪問項無需任何步驟即可檢查類型。這使我們了解了解決方案，它是NumPy通用函數(shù)（又稱UFunc）。
簡而言之，UFunc是一種我們可以直接對整個數(shù)組進(jìn)行算術(shù)運(yùn)算的方法。將第一個慢速Python示例轉(zhuǎn)換為UFunc版本，它將像這樣：
import numpy as npnp.random.seed(0)values = np.random.randint(1, 100, size=1000000)%timeit result = 1.0/values此代碼不僅可以提高速度，還可以縮短代碼長度。猜猜現(xiàn)在需要多少時間？比我上面提到的任何其他語言快2.7ms：
每個循環(huán)2.71 ms±50.8 μs（平均±標(biāo)準(zhǔn)偏差，共運(yùn)行7次，每個循環(huán)100個）1.0/values。值這里是不是一個數(shù)字，它是一個NumPy的陣列。像除法運(yùn)算符一樣，還有很多其他運(yùn)算符。
檢查這里的所有Ufunc運(yùn)營商。
對于那些使用Python的人，您很有可能使用Python處理數(shù)據(jù)和數(shù)字。這些數(shù)據(jù)可以存儲在NumPy或Pandas DataFrame中，因為DataFrame是基于NumPy實現(xiàn)的。因此，Ufunc也可以。
UFunc使我們能夠在Python中以數(shù)量級更快的速度執(zhí)行重復(fù)操作。最慢的Python甚至可以比C語言更快。太棒了。
C語言：
#include <stdio.h>#include <stdlib.h>#include <sys/time.h>
int main(){ struct timeval stop, start; gettimeofday(&start, NULL); int length = 1000000; int rand_array[length]; float output_array[length]; for(int i = 0; i<length; i++){ rand_array[i] = rand(); } for(int i = 0; i<length; i++){ output_array[i] = 1.0/(rand_array[i]*1.0); } gettimeofday(&stop, NULL); printf("took %lu us\n", (stop.tv_sec - start.tv_sec) * 1000000 + stop.tv_usec - start.tv_usec); printf("done\n"); return 0;}C＃（dotnet 5.0）：
using System;namespace speed_test{ class Program{ static void Main(string[] args){ int length = 1000000; double[] rand_array =new double[length]; double[] output = new double[length]; var rand = new Random(); for(int i =0; i<length;i++){ rand_array[i] = rand.Next(); //Console.WriteLine(rand_array[i]); } long start = DateTimeOffset.Now.ToUnixTimeMilliseconds(); for(int i =0;i<length;i++){ output[i] = 1.0/rand_array[i]; } long end = DateTimeOffset.Now.ToUnixTimeMilliseconds(); Console.WriteLine(end - start); } }}Java：
import java.util.Random;
public class speed_test { public static void main(String[] args){ int length = 1000000; long[] rand_array = new long[length]; double[] output = new double[length]; Random rand = new Random (); for(int i =0; i<length; i++){ rand_array[i] = rand.nextLong(); } long start = System.currentTimeMillis(); for(int i = 0;i<length; i++){ output[i] = 1.0/rand_array[i]; } long end = System.currentTimeMillis(); System.out.println(end - start); }}NodeJS：
let length = 1000000;let rand_array = [];let output = [];for(var i=0;i<length;i++){ rand_array[i] = Math.floor(Math.random()*10000000);}let start = (new Date()).getMilliseconds();for(var i=0;i<length;i++){ output[i] = 1.0/rand_array[i];}let end = (new Date()).getMilliseconds();console.log(end - start);