强者⼀出，谁与争锋？与Python相⽐，C++的运⾏速度究竟有多快？
对于数据科学家⽽⾔，热爱Python的理由数不胜数。但你是否也曾问过这样的问题：Python和C或C++等更专业的低级编程语⾔究竟有何不同呢?我想这是很多数据科学家或者Python⽤户曾经问过或者将来会问⾃⼰的问题。
Python和C++类语⾔之间存在许多区别，本⽂将通过⼀个⼗分简单的例⼦向你展⽰，与Python相⽐，C++究竟有多快。
为了说明这种区别，本⽂选择⼀个简单实⽤⽽⾮想象虚构的任务：⽣成固定值为“k”的所有可能DNA k-mers。选择该⽰例，是因为与基因组相关的许多数据处理和任务分析(例如k-mers⽣成)都是计算密集型的，⽽这同样也是很多⽣物信息学领域的数据科学家对C++感兴趣的原因。
请注意，本⽂⽬标并不是以最有效的⽅式⽐较C++和Python。这两种代码均可采⽤更⾼效的⽅式和更优化的⽅法编写。本⽂的唯⼀⽬标，就是⽐较这两种语⾔在使⽤完全相同的算法和指令时的速度。
配置远程地址git>tcp ip协议简要分析论文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。
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：
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。mvc介绍
如果你想更好的提升你的编程能⼒，学好C语⾔C++编程！弯道超车，快⼈⼀步！
【】，分享（源码、项⽬实战视频、项⽬笔记，基础⼊门教程）
易语言模块查看器
欢迎转⾏和学习编程的伙伴，利⽤更多的资料学习成长⽐⾃⼰琢磨更快哦！python入门教程视屏
编程学习书籍：
编程学习视频：
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论