哪个更高效，Python或c

当我们提到一种编程语言的效率时：通常有两个含义，一是开发效率，即程序员完成编码所花费的时间；另一个是运行效率，也就是完成一个计算任务所需的时间。编码效率和运行效率往往是鱼和熊掌的问题，很难同时兼顾。不同的语言有不同的侧重点。 python语言无疑更关心编码效率。人生苦短，我们用python。

虽然使用python的程序员应该接受它效率低下的事实，但是python被越来越广泛的应用在越来越多的领域，比如科学计算、web服务器等。当然，程序员也希望python能够运行得更快，也希望python能够变得更强大。相比之下，C语言的效率要高于python。

首先python相比其他语言有多慢，不同的场景和测试用例的结果肯定是不一样的。这个网址给出了不同语言在各种情况下的性能对比。这个页面是python3和C++的比较。以下是两种情况：

从上图可以看出，不同的case，python比C++慢了几倍到几十倍。

python运算效率低，具体是什么原因呢，下列罗列一些：

第一：python是动态语言

变量指向的对象的类型是在运行时确定的，编译器无法做出任何预测，因此无法进行优化。举个简单的例子：r = a + b。 a 和 b 被添加，但 a 和 b 的类型仅在运行时才知道。对于加法运算，不同的类型有不同的处理，所以每次运算都会判断a和b的类型，然后进行相应的运算。 .在 C++ 等静态语言中，运行时代码是在编译时确定的。

第二：python被解释执行，但不支持JIT（即时编译器）。虽然著名的 google 曾经尝试过 Unladen Swallow 项目，但最终还是放弃了。

第三：python中的一切都是对象，每个对象都需要维护一个引用计数，增加了额外的工作量。

第四：python GIL，GIL是Python最被诟病的一点，因为GIL，python中的多线程不能真正并发。如果是IO绑定的业务场景，这个问题不是什么大问题，但是在CPU BOUND场景下，就是致命的了。因此，我在工作中使用 python 多线程的情况并不多。一般来说，我使用多处理（pre fork），或者添加协程。即使在单线程中，GIL 也会对性能产生很大影响，因为 python 会尝试每 100 个操作码切换线程（默认情况下，可以通过 sys.setcheckinterval() 设置），具体源码在 ceval.c 中： :PyEval_EvalFrameEx。

第五：垃圾回收，这可能是所有带有垃圾回收的编程语言的通病。 Python 采用了标记和分代的垃圾回收策略，每次垃圾回收都会中断正在执行的程序，造成所谓的停顿。