fortran还是python_python与c/fortran的比较

我最近用了一个更真实的现实世界算法。它涉及到numpy、Matlab、FORTRAN和C（通过ILNumerics）。如果没有特定的优化，numpy生成的代码似乎要比其他代码效率低得多。当然，和往常一样，这只能说明一个大趋势。您将能够编写FORTRAN代码，它在最后的运行速度比相应的numpy实现慢。但大多数时候，numpy会慢得多。这里是我测试的（平均）结果：

为了给像您的示例中这样简单的浮点操作计时，所有这些都取决于编译器生成“最优”机器指令的能力。在这里，有多少编译步骤并不重要。NET和numpy通过首先编译字节码来利用多个步骤，然后在虚拟机中执行。但在理论上，优化结果的选择同样存在。在实际应用中，现代FORTRAN和C编译器在优化执行速度方面更为优越。例如，它们利用浮点扩展（SSE，AVX）并更好地展开循环。numpy（或者更好的CPython，主要由numpy使用）在这一点上的性能似乎更差。如果要确保哪个框架最适合您的任务，可以附加到调试器并研究可执行文件的最终计算机指令。

但是，请记住，在更现实的情况下，浮点性能仅在大型优化链的最末端才重要。这种差异常常被一种更强烈的效果所掩盖：记忆带。一旦开始处理数组（wich在大多数科学应用中很常见），就必须考虑内存管理的成本。框架在支持算法作者编写内存高效算法方面存在偏差。在我看来，numpy比FORTRAN或C更难编写内存高效的算法，但在任何一种方法语言中都不容易。（ILNumerics大大改进了这一点。）

另一个重要点是并行化。框架是否支持并行执行计算？它的效率如何？我个人的观点是：C、FORTRAN和numpy都不容易并行化你的算法。但是FORTRAN和C至少给了您这样做的机会，即使有时它需要使用特殊的编译器。其他框架（ILNumerics，Matlab）会自动并行化。

如果你需要“最高性能”来实现非常小但代价高昂的算法，你最好使用FORTRAN或C语言，因为它们最终会产生更好的机器代码（在单处理器系统上）。然而，用C或FORTRAN编写更大的算法时，考虑到内存效率和并行性往往会变得很麻烦。在这里，高级语言（如numpy、ILNumerics或Matlab）比低级语言要好。如果做得好，执行速度的差异通常可以忽略不计。不幸的是，对于努比来说，这通常不是真的。