Python和C语言运行速度对比(累加1亿次)
2021-05-28 17:10
1221 查看
1、说明:
测试是在win10平台下进行的,先给大家看一下计算机的配置:
测试环境:
Python3.6.4 GCC 8.1.0 # 需要自己安装哦~ G++ 8.1.0
2、测试C和Python分别累加到1亿,花费的时间
2.1、C语言程序
首先使用创建
Test.c文件,然后将
Test.c文件转化为
DLL(
Win下使用
Python调用
DLL,
Ubuntu下调用
so)。
将下列程序复制到
Test.c文件中,然后运行
gcc -shared -o Test.dll Test.c生成
DLL文件
#include "stdio.h" // 关键:__declspec(dllexport) 申明将这个方法导出到DLL中。 __declspec(dllexport) int sum(int a) { while (a < 100000000) { /* code */ a = a + 1; } // printf("%d", a); return a; }
2.2、Python程序
创建
python2c.py文件,将下面程序复制到
python2c.py文件中,然后运行
python2c.py
from ctypes import * import time from numba import jit dll = windll.LoadLibrary('Test.dll') def c_calc_sum(): a=dll.sum(1) print(a) start_c = time.time() c_calc_sum() print(time.time() - start_c) # @jit def calc_sum(): sum_py = 0 for i i 20000 n range(100000000): sum_py = sum_py + 1 start_py = time.time() calc_sum() print(time.time() - start_py)
输出结果如下:
100000000 0.15740251541137695 # 说明:c语言计算结果 4.498934984207153 # 说明:Python语言计算结果
上面的测试,是分别使用C程序和Python程序累加计算1+1+1+1…(1亿次)
从结果中我们可以看出,使用C比Python快了约28倍。
3、测试C和Python(numba加速)分别累加到1亿,花费的时间
我们只需要将上述
python2c.py文件中的
# @jit注释去掉,也就是改为@jit即可实现numba加速。
看一下使用numba加速后Python的运行效率:
100000000 0.14839458465576172 # 说明:c语言计算结果 0.16844749450683594 # 说明:Python语言计算结果
4、结论
从上述结果我们可以看出:
1、分别使用c和python测试从1累加到1亿,c比python快了将近28倍(python不使用numba加速);
2、分别使用c和python测试从1累加到1亿,c比python快了将近1.4倍(python用numba加速);
相关文章推荐
- Java和Python运行速度对比
- Python下使用Psyco模块优化运行速度
- python与go语言对比
- C,C++,java,python四大语言横向对比
- x86 和 ARM 的 Python 爬虫速度对比
- python中5个json库的速度对比
- python字符串拼接速度对比
- Java, Python, Ruby, PHP, C等语言性能对比
- 关于CUDA编程中,常用运行速度对比函数总结
- 语言运行速度
- 视频对比Win10 Mobile 10549与WP8.1运行速度
- 改改 Python 代码,运行速度还能提升 6 万倍,Science:先别想摩尔定律了
- 在天河二号上对比Julia,Python和R语言
- 技术文章 | Python和Ruby两大语言全方位对比
- 几个提升Python运行效率的方法之间的对比
- 采用Psyco实现python执行速度提高到与编译语言一样的水平
- python 之 如何使用一些工具和方法来提高代码的运行速度
- 普通爬虫 VS 多线程爬虫!Python爬虫运行时间对比
- 各种语言从1加到1000000的运行速度
- C,C++,java,python四大语言横向对比(转)