您可以在此链接的底部找到一些有用的结果
http://wiki.scipy.org/PerformancePython
从介绍来看,
编织与NumPy,Pyrex,Psyco,Fortran(77和90)和C ++的比较,用于求解拉普拉斯方程。
它还比较了MATLAB,并且似乎表现出与使用Python和NumPy时相似的速度。
当然这只是一个具体的例子,您的应用程序可能会允许更好或更差的性能。在两者上进行相同的测试并进行比较没有任何害处。
您还可以使用优化的库编译NumPy,例如ATLAS,它提供了一些BLAS / LAPACK例程。这些应该与MATLAB的速度相当。
我不确定NumPy下载是否已针对它构建,但我认为如果编译NumPy,ATLAS会将库调整到您的系统,
http://www.scipy.org/Installing_SciPy/Windows
该链接提供了有关Windows平台所需内容的更多详细信息。
编辑:
如果你想知道什么表现更好,C或C ++,可能值得问一个新问题。虽然从上面的链接C ++有最好的表现。其他解决方案也非常接近,即Pyrex,Python / Fortran(使用f2py)和内联C ++。
我曾经做过的唯一的C ++矩阵代数是使用MTL并实现扩展卡尔曼滤波器。我想,但实际上它取决于您使用LAPACK / BLAS的库以及它的优化程度。
此链接包含许多语言的面向对象的数字包列表。
http://www.oonumerics.org/oon/