尽管Python在运行速度上较C等语言慢，但真正的瓶颈往往在于算法和库的使用。Python的基础工具链，如pip、virtualenv和pytest，存在性能问题，尤其是在导入和启动时。理解导入的代价、优化算法以及关注生态系统的性能是提升Python效率的关键。通过改进现有工具或创建替代方案，可以显著提高Python应用的性能。
请注意，这有点夸张。
首先，我要说明我是专业从事python工作的，我做出了许多开源贡献，并且我所有的业余爱好项目都使用python进行。我喜欢python。
但这很慢。
这是Reddit等论坛上的常见主题，人们说您不能使用python，因为它运行缓慢。是的，我们都知道python很慢。但是我们也知道，通常会使事情变慢的不是语言，而是算法。
是的，与C语言相比，python语言的运行速度非常慢，但这并不是python速度慢的99％。 Python之所以缓慢，是因为许多（即使不是大多数）Python程序员不在乎或不了解他们所做工作对性能的总体影响。编写网络应用程序时基本上可以这样做，但是如果编写的库可供成千上万，十万甚至一百万的人使用，则可能会对性能产生重大影响。
让我们看一些Python运行缓慢的实际例子：
此处显示的工具：
pip是用于安装python库的工具
virtualenv是用于创建封闭环境的工具，因此您无需全局安装所有软件包
pytest是使用最广泛的测试库（也许标准库中的unittest使用得更多，但至少非常接近）
我之所以选择这些工具，是因为这是大多数人与python的首次互动，而这是我们专业人士每天与之互动的东西。
这些测量是普遍的，因为它们是在新环境中且具有热缓存（我对具有冷磁盘缓存的virtualenv进行了15秒钟的测量
最低0.47元/天 解锁文章
887
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
