Python与C++的速度有哪些区别

这篇文章主要讲解了"Python与C++的速度有哪些区别"，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习"Python与C++的速度有哪些区别"吧！

DNA K-mers简介

DNA是一种称为核苷酸的长链单位。在DNA中，共有4种核苷酸类型，分别用字母A、C、G和T表示。人类(更准确地说是智人)拥有核苷酸对30亿个。例如，人类DNA的一小部分可能类似于：

ACTAGGGATCATGAAGATAATGTTGGTGTTTGTATGGTTTTCAGACAATT

在此示例中，如果从该字符串中选择任意4个连续的核苷酸(即字母)，它将是一个长度为4的k-mer(可称之为4-mer)。以下便是从此示例中衍生出来的一些4-mers例子：ACTA，CTAG，TAGG，AGGG，GGGA等。

难点挑战

本文以生成所有可能的13-mers为例，从数学上讲，这是一个带有替换的排列问题。因此，共有4¹³个(67108864)可能的13-mers。下面将使用一个简单的算法在C++和Python中生成结果。

方案比较

为了方便比较C++和Python在此特定挑战中的优劣，我在两种语言中使用了完全相同的算法。这两种代码均有意设计地简单而相似。同时，避免使用复杂的数据结构或第三方包或库。第一段代码采用Python编写。

defconvert(c):                if (c =='A'): return'C'                if (c =='C'): return'G'                if (c =='G'): return'T'                if (c =='T'): return'A'              print("Start")              opt ="ACGT"             s =""             s_last =""             len_str =13              for i inrange(len_str):                s += opt[0]              for i inrange(len_str):                s_last += opt[-1]              pos =0             counter =1             while (s != s_last):                counter +=1                # You can uncomment the next line to see all k-mers.                # print(s)                change_next =True                for i inrange(len_str):                     if (change_next):                         if (s[i] == opt[-1]):                             ss = s[:i] +convert(s[i]) + s[i+1:]                             change_next =True                         else:                             ss = s[:i] +convert(s[i]) + s[i+1:]                             break              # You canuncomment the next line to see all k-mers.             # print(s)             print("Number ofgenerated k-mers: {}".format(counter))             print("Finish!")

运行Python代码，生成全部13-mers共6700万个大约需要61.23秒。为了公平比较，我注释掉了显示k-mers的行。如果想在生成k-mers时显示它们，也可以取消对这两行的注释。注意，显示全部k-mers耗时很长。如有需要，请操作CTRL+C中止代码。

现在，来看看C++中同样的算法：

#include            #include              usingnamespacestd;              charconvert(char c)            {               if (c == 'A') return'C';               if (c == 'C') return'G';               if (c == 'G') return'T';               if (c == 'T') return'A';               return' ';            }              intmain()            {               cout << "Start" << endl;                  string opt = "ACGT";               string s = "";               string s_last = "";               int len_str = 13;               bool change_next;                  for (int i=0; i
编译后，运行C++代码，生成全部13-mers共6700万个大约需要2.42秒。这意味着运行相同算法，Python用时是C++的25倍多。然后，对14-mers和15-mers重复进行此实验。汇总结果如下表所示：

比较生成13-、14-和15-mers的Python和C++运行结果。
显然，C++比Python快得多。对于大多数程序员和数据科学家而言，这是共识。但该示例表明，这种差异十分显著。
本示例并没有使用CPU或GPU并行化，因其必须针对相应类型的问题(密集并行难题)进行。此外，示例也没有大量涉及内存。如果将运行结果进行存储(出于某些特定原因)，那么使用内存管理在运行C++和Python时，将产生更显著的差异。
此示例和数以千计的其他事实表明，在处理大量数据或指数增长的过程中，身为数据科学家，你应该了解C++类语言。
感谢各位的阅读，以上就是"Python与C++的速度有哪些区别"的内容了，经过本文的学习后，相信大家对Python与C++的速度有哪些区别这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是，小编将为大家推送更多相关知识点的文章，欢迎关注！