c 真能比 Python 快这么多？

py 是这样的，我对他的印象就是读起来爽写起来爽，但是执行的速度和占用的内存一言难尽

动态语言都差不多

py 慢是老生常谈的事了

应该算个别情况吧

汇编/C/APP 坐一桌，主打性能，劣势是开发效率； Python/Java/PHP/JS 相反。C# 被夹在中间。

C 毕竟是最接近汇编/机器码的 Native 语言，只要写法不太差，基本能榨干 CPU 性能（要是实现地缓存友好，高频调用还能更快）。 而 Python 这类用解释器运行的脚本语言是很慢的，但我看这差距，170 -> 4.8 ，都 3 个数量级了，不太正常，我猜估计是 Python 的实现的效率不是很高。 如果这份程序功能基本已固定的话，建议用 AI 重新使用 RUST/C/C++/GO 这类编译型语言实现，性能会高出很多很多

@jark006 如果只能用于 Python 项目，也可以用这几种语言实现这个功能模块，再包装出 Python 接口也行

肯定啊，机器码和解释型的区别，相当于你用翻译机和人比母语。

python 是这样的，你要是高频跑小操作肯定性能比 c 和 jit 语言差远了。不过解决方法也有很多，你这需求大概套个 Numba 的 @njit 就行了，都不用自己写 C

python 跑计算的正确玩法是调这种加速库，这些库可以从 python ast 中抽取你的运算行为，然后用更高效的代码替代。此时你的 python 运算代码只起到一个描述的作用，真正被执行的已经不是它了

纯数学函数的话直接上 Cython 应该就行了，编译结果应该和 C 差不多快。

其实 numpy 这一类的库出现的目的就是用 native 函数加速 python 处理，如果用了 numpy 还很慢，那很可能是使用姿势不对，比如在 python 里面对 numpy 对象进行了 iterate 等操作。

？这不是编译原理的内容吗。

C 有更多的优化手段，比如 SIMD 化，比如智能内联减少函数调用次数。 具体优化效果要看具体代码，不过一般而言计算密集型的差距确实会很大的。 所以一旦开始资源密集型计算，早点切到 Java 或 C++家族才是明智的选择。

@laminux29 c#的 jit 很强 部分场景甚至能反超 c

“首先调用了几次函数 B”，几次应该不能算“被调用的次数实在是多的离谱”吧？

另外，“这个函数传值是用的 np.array”，只有传值使用 numpy ？内部是什么情况呢？

@laminux29 #5 /APP ？