Python和C语言运行速度对比（累加1亿次）

1、说明：

测试是在win10平台下进行的，先给大家看一下计算机的配置：
测试环境：

Python3.6.4
GCC 8.1.0	# 需要自己安装哦~
G++ 8.1.0

2、测试C和Python分别累加到1亿，花费的时间

2.1、C语言程序

首先使用创建Test.c文件，然后将Test.c文件转化为DLL（Win下使用Python调用DLL，Ubuntu下调用so）。
将下列程序复制到Test.c文件中，然后运行gcc -shared -o Test.dll Test.c生成DLL文件

#include "stdio.h"
// 关键：__declspec(dllexport) 申明将这个方法导出到DLL中。
__declspec(dllexport) int sum(int a)
{
     

    while (a < 100000000)
    {
     
        /* code */
        a = a + 1;
        
    }
    // printf("%d", a);
	return a;
}

2.2、Python程序

创建python2c.py文件，将下面程序复制到python2c.py文件中，然后运行python2c.py

from ctypes import *
import time
from numba import jit

dll = windll.LoadLibrary('Test.dll')

def c_calc_sum():
    a=dll.sum(1)
    print(a)


start_c = time.time()
c_calc_sum()
print(time.time() - start_c)

# @jit
def calc_sum():
    sum_py = 0 
    for i in range(100000000):
        sum_py = sum_py + 1

start_py = time.time()
calc_sum()    
print(time.time() - start_py)

输出结果如下：

100000000
0.15740251541137695		# 说明：c语言计算结果
4.498934984207153		# 说明：Python语言计算结果

上面的测试，是分别使用C程序和Python程序累加计算1+1+1+1…(1亿次)
从结果中我们可以看出，使用C比Python快了约28倍。

---

3、测试C和Python（numba加速）分别累加到1亿，花费的时间

我们只需要将上述python2c.py文件中的# @jit注释去掉，也就是改为@jit即可实现numba加速。
看一下使用numba加速后Python的运行效率：

100000000
0.14839458465576172		# 说明：c语言计算结果
0.16844749450683594		# 说明：Python语言计算结果

4、结论

从上述结果我们可以看出：
1、分别使用c和python测试从1累加到1亿，c比python快了将近28倍（python不使用numba加速）；
2、分别使用c和python测试从1累加到1亿，c比python快了将近1.4倍（python用numba加速）；