性能问题，Python vs C

我使用PIL进行图像处理，我尝试将彩色图像转换为灰度图像，因此我编写了一个Python函数来实现这一点，同时我知道PIL已经为此提供了一个

convert

函数

但是我用Python编写的版本需要大约2秒钟来完成灰度缩放，而PIL的转换几乎是瞬间完成的。所以我读了PIL代码，发现我写的算法基本相同，但是 PIL的<代码>转换是用C或C++编写的。

---

这就是造成性能不同的问题吗？

是的，用Python和C编写相同的算法，C实现会更快。对于通常的Python解释器（称为CPython）来说，这无疑是正确的。另一个实现PyPy使用JIT，因此可以获得令人印象深刻的速度，有时速度与C实现一样快。但是在CPython下运行，Python会更慢。

是的，用Python和C编写相同的算法，C实现会更快。对于通常的Python解释器（称为CPython）来说，这无疑是正确的。另一个实现PyPy使用JIT，因此可以获得令人印象深刻的速度，有时速度与C实现一样快。但是在CPython下运行时，Python会比较慢。

如果您想进行图像处理，可以使用

OpenCV（cv2）、SimpleCV、NumPy、SciPy、Cython、Numba

OpenCV、SimpleCV和SciPy已经有许多图像处理例程

NumPy可以以c速度在阵列上执行操作

如果希望在Python中使用循环，可以使用Cython将带有静态声明的Python代码编译到外部模块中

---

或者您可以使用Numba进行JIT转换，它可以将python代码转换为机器二进制代码，并提供接近c的速度。

如果您想进行图像处理，可以使用

OpenCV（cv2）、SimpleCV、NumPy、SciPy、Cython、Numba

OpenCV、SimpleCV和SciPy已经有许多图像处理例程

NumPy可以以c速度在阵列上执行操作

如果希望在Python中使用循环，可以使用Cython将带有静态声明的Python代码编译到外部模块中

---

或者您可以使用Numba进行JIT转换，它可以将您的python代码转换为机器二进制代码，并提供接近c的速度。

c在执行速度方面比python快得多（在大多数情况下）。在这里，特别重要的是在Python中循环（迭代像素）。通常，对于CPython来说，处理器密集型例程应该用C或C++编写，如果Python是性能扩展的，则称为扩展模块，这与PIL根本没有关系，了解由虚拟机解释的语言（通常称为解释语言，有时是脚本语言）和由实际硬件解释的语言（通常称为编译语言）。C在执行速度方面比Python快得多（在大多数情况下）。在这里，特别重要的是在Python中循环（迭代像素）。通常，对于CPython来说，处理器密集型例程应该用C或C++编写，如果Python是性能扩展的，则称为扩展模块，这与PIL根本没有关系，阅读由虚拟机解释的语言（通常称为解释语言，有时是脚本语言）和由实际硬件解释的语言（通常称为编译语言）。正如@Charles在上述评论中所说，

处理器密集型例程应该用C或C++

编写，那我们为什么需要Python呢？继续做CBE中的所有工作吧，因为并不是所有程序都是处理器密集型的，即使是那些处理器密集型的程序，通常你也可以使用其他人的C代码，使用numpy或PIL之类的库，正如你所发现的那样。Python提高了程序员的生产率，这可能是一个巨大的胜利。正如@Charles在上面的评论中所说，

处理器密集型例程应该用C或C++

编写，那么我们为什么需要Python呢？继续做CBE中的所有工作吧，因为并不是所有程序都是处理器密集型的，即使是那些处理器密集型的程序，通常你也可以使用其他人的C代码，使用numpy或PIL之类的库，正如你所发现的那样。Python提高了程序员的生产率，这可能是一个巨大的胜利。