语言要写 1000 行代码，Java 只需要写 100 行，而 Python 可能只要 20 行。 所以 Python 是一种相当高级的语言。 你也许会问，代码少还不好？代码少的代价是运行速度慢，C 程序运行 1 秒钟，Java 程序可能需要 2 秒，而 Python 程序可能就需要 10 秒。 Python3 基础教程【完整版】 http://www.yeayee.com/ 6/531 另外就是把其他语言开发的程序再包装起来，方便使用。 最后说说 Python 的缺点。 任何编程语言都有缺点，Python 也不例外。优点说过了，那 Python 有 哪些缺点呢？ 第一个缺点就是运行速度慢，和 C 程序相比非常慢，因为 Python 是解 释型语言，你的代码在执行时会一行一行地翻译成 CPU 能理解的机器 码，这个翻译过程非常耗时，所以很慢。而 C 程序是运行前直接编译成 CPU 能执行的机器码，所以非常快。 10.8~10.10，那么系统自带的 Python 版本是 2.7。要安装最新的 Python 3.5，有两个方法： 方法一：从 Python 官网下载 Python 3.5 的安装程序（网速慢的同学请移 步国内镜像），双击运行并安装； 方法二：如果安装了 Homebrew，直接通过命令 brew install python3 安 装即可。 在 Linux 上安装 Python

还远不如Python解释器快， 所以必须写分析去掉栈机语义。 那用Julia后端就可以不写了? 来谈后端的问题。 Julia Cython 常见性能提升 100x 1-10x 小函数JIT 比Python慢1000倍 比Python快50% 启动时间 10s以上, “JAOT” 没有，调编译器快 循环折叠 有 有 Debug现场？ 每次打log等待30s 瞬秒(ms级) JIT 后端问题 同时， 进行编译，生成jit函数的几个method。 同时，每次编译会根据已有的所有methods，生成一 个新的method查找函数。 演示。 JIT 函数 JIT 编译器 Base Method 含监控器 参数组(int, int) 参数组(float, int) 方法查找函数 (是一个C函数) 对应 JIT 函数的调用记录器 反 馈 调 用 记 录 每N次被反馈唤醒一次JIT编译器

效率评估方法 实际测试 假设我们现在有算法 A 和 算法 B ，都能够解决同一问题，现在需要对比两个算法之间的效率。我们能够想到 的最直接的方式，就是找一台计算机，把两个算法都完整跑一遍，并监控记录运行时间和内存占用情况。这种 评估方式能够反映真实情况，但是也存在很大的硬伤。 难以排除测试环境的干扰因素。硬件配置会影响到算法的性能表现。例如，在某台计算机中，算法 A 比算法 B 运行时 的时间增长趋势 相比直接统计算法运行时间，时间复杂度分析的做法有什么好处呢？以及有什么不足？ 时间复杂度可以有效评估算法效率。算法 B 运行时间的增长是线性的，在 ? > 1 时慢于算法 A ，在 ? > 1000000 时慢于算法 C 。实质上，只要输入数据大小 ? 足够大，复杂度为「常数阶」的算法一定优于 「线性阶」的算法，这也正是时间增长趋势的含义。 时间复杂度的推算方法更加简便。在时间复 时间，再在数组中删除该元素，使用 ?(?) 时间； ‧ 获取最小 / 最大元素：数组头部和尾部元素即是最小和最大元素，使用 ?(1) 时间； 观察发现，无序数组和有序数组中的各项操作的时间复杂度是“偏科”的，即有的快有的慢；而二叉搜索树的 各项操作的时间复杂度都是对数阶，在数据量 ? 很大时有巨大优势。 无序数组 有序数组 二叉搜索树 查找指定元素 ?(?) ?(log ?) ?(log ?) 插入元素 ?(1)

效率评估方法 实际测试 假设我们现在有算法 A 和 算法 B ，都能够解决同一问题，现在需要对比两个算法之间的效率。我们能够想到 的最直接的方式，就是找一台计算机，把两个算法都完整跑一遍，并监控记录运行时间和内存占用情况。这种 评估方式能够反映真实情况，但是也存在很大的硬伤。 难以排除测试环境的干扰因素。硬件配置会影响到算法的性能表现。例如，在某台计算机中，算法 A 比算法 B 运行时 的时间增长趋势 相比直接统计算法运行时间，时间复杂度分析的做法有什么好处呢？以及有什么不足？ 时间复杂度可以有效评估算法效率。算法 B 运行时间的增长是线性的，在 ? > 1 时慢于算法 A ，在 ? > 1000000 时慢于算法 C 。实质上，只要输入数据大小 ? 足够大，复杂度为「常数阶」的算法一定优于 「线性阶」的算法，这也正是时间增长趋势的含义。 时间复杂度的推算方法更加简便。在时间复 时间，再在数组中删除该元素，使用 ?(?) 时间； ‧ 获取最小 / 最大元素：数组头部和尾部元素即是最小和最大元素，使用 ?(1) 时间； 观察发现，无序数组和有序数组中的各项操作的时间复杂度是“偏科”的，即有的快有的慢；而二叉搜索树的 各项操作的时间复杂度都是对数阶，在数据量 ? 很大时有巨大优势。 无序数组 有序数组 二叉搜索树 查找指定元素 ?(?) ?(log ?) ?(log ?) 插入元素 ?(1)

、Underflow 以及FloatOperation 。 对于每个信号，都有一个标志和一个陷阱启动器。遇到信号时，其标志设置为 1 ，然后，如果陷阱启用 器设置为 1 ，则引发异常。标志是粘性的，因此用户需要在监控计算之前重置它们。 参见: • IBM 的通用十进制算术规范描述 The General Decimal Arithmetic Specification。 9.4.1 快速入门教程 通常使用 Decimal(0) DivisionByZero: x / 0 上下文还具有用于监视计算期间遇到的异常情况的信号标志。标志保持设置直到明确清除，因此最好通 过使用 clear_flags() 方法清除每组受监控计算之前的标志。: >>> setcontext(ExtendedContext) >>> getcontext().clear_flags() >>> Decimal(355) / Decimal(113) 对象。参数 level 为整数，可取值为 0 到 9 或 -1， 用于指定压缩等级。1 (Z_BEST_SPEED) 表示最快速度和最低压缩率，9 (Z_BEST_COMPRESSION) 表 示 最 慢 速 度 和 最 高 压 缩 率。0 (Z_NO_COMPRESSION) 表 示 不 压 缩。 参 数 默 认 值 为 -1 (Z_DEFAULT_COMPRESSION)。Z_DEFAULT_COMPRESSION

、Underflow 以及FloatOperation 。 对于每个信号，都有一个标志和一个陷阱启动器。遇到信号时，其标志设置为 1 ，然后，如果陷阱启用 器设置为 1 ，则引发异常。标志是粘性的，因此用户需要在监控计算之前重置它们。 参见: • IBM 的通用十进制算术规范，The General Decimal Arithmetic Specification. 9.4.1 快速入门教程 通常使用 decimal Decimal(0) DivisionByZero: x / 0 上下文还具有用于监视计算期间遇到的异常情况的信号标志。标志保持设置直到明确清除，因此最好通 过使用 clear_flags() 方法清除每组受监控计算之前的标志。: >>> setcontext(ExtendedContext) >>> getcontext().clear_flags() >>> Decimal(355) / Decimal(113) 对象。参数 level 为整数，可取值为 0 到 9 或 -1， 用于指定压缩等级。1 (Z_BEST_SPEED) 表示最快速度和最低压缩率，9 (Z_BEST_COMPRESSION) 表 示 最 慢 速 度 和 最 高 压 缩 率。0 (Z_NO_COMPRESSION) 表 示 不 压 缩。 参 数 默 认 值 为 -1 (Z_DEFAULT_COMPRESSION)。Z_DEFAULT_COMPRESSION

、Underflow 以及FloatOperation 。 对于每个信号，都有一个标志和一个陷阱启动器。遇到信号时，其标志设置为 1 ，然后，如果陷阱启用 器设置为 1 ，则引发异常。标志是粘性的，因此用户需要在监控计算之前重置它们。 参见: • IBM 的通用十进制算术规范，The General Decimal Arithmetic Specification. 9.4.1 快速入门教程 通常使用 decimal Decimal(0) DivisionByZero: x / 0 上下文还具有用于监视计算期间遇到的异常情况的信号标志。标志保持设置直到明确清除，因此最好通 过使用 clear_flags() 方法清除每组受监控计算之前的标志。: >>> setcontext(ExtendedContext) >>> getcontext().clear_flags() >>> Decimal(355) / Decimal(113) 对象。参数 level 为整数，可取值为 0 到 9 或 -1， 用于指定压缩等级。1 (Z_BEST_SPEED) 表示最快速度和最低压缩率，9 (Z_BEST_COMPRESSION) 表 示 最 慢 速 度 和 最 高 压 缩 率。0 (Z_NO_COMPRESSION) 表 示 不 压 缩。 参 数 默 认 值 为 -1 (Z_DEFAULT_COMPRESSION)。Z_DEFAULT_COMPRESSION

、Underflow 以及FloatOperation 。 对于每个信号，都有一个标志和一个陷阱启动器。遇到信号时，其标志设置为 1 ，然后，如果陷阱启用 器设置为 1 ，则引发异常。标志是粘性的，因此用户需要在监控计算之前重置它们。 参见: • IBM 的通用十进制算术规范描述，The General Decimal Arithmetic Specification。 298 Chapter 9. 数字和数学模块 DivisionByZero: x / 0 上下文还具有用于监视计算期间遇到的异常情况的信号旗标。这些旗标将保持设置直到被显式地清除， 因此最好是通过使用clear_flags() 方法来清除每组受监控的计算之前的旗标。 >>> setcontext(ExtendedContext) >>> getcontext().clear_flags() >>> Decimal(355) / Decimal(113) 对象。参数 level 为整数，可取值为 0 到 9 或 -1， 用于指定压缩等级。1 (Z_BEST_SPEED) 表示最快速度和最低压缩率，9 (Z_BEST_COMPRESSION) 表 示 最 慢 速 度 和 最 高 压 缩 率。0 (Z_NO_COMPRESSION) 表 示 不 压 缩。 参 数 默 认 值 为 -1 (Z_DEFAULT_COMPRESSION)。Z_DEFAULT_COMPRESSION

、Underflow 以及FloatOperation 。 对于每个信号，都有一个标志和一个陷阱启动器。遇到信号时，其标志设置为 1 ，然后，如果陷阱启用 器设置为 1 ，则引发异常。标志是粘性的，因此用户需要在监控计算之前重置它们。 参见: • IBM 的通用十进制算术规范，The General Decimal Arithmetic Specification. 290 Chapter 9. 数字和数学模块 Decimal(0) DivisionByZero: x / 0 上下文还具有用于监视计算期间遇到的异常情况的信号标志。标志保持设置直到明确清除，因此最好通 过使用 clear_flags() 方法清除每组受监控计算之前的标志。: >>> setcontext(ExtendedContext) >>> getcontext().clear_flags() >>> Decimal(355) / Decimal(113) 对象。参数 level 为整数，可取值为 0 到 9 或 -1， 用于指定压缩等级。1 (Z_BEST_SPEED) 表示最快速度和最低压缩率，9 (Z_BEST_COMPRESSION) 表 示 最 慢 速 度 和 最 高 压 缩 率。0 (Z_NO_COMPRESSION) 表 示 不 压 缩。 参 数 默 认 值 为 -1 (Z_DEFAULT_COMPRESSION)。Z_DEFAULT_COMPRESSION

、Underflow 以及FloatOperation 。 对于每个信号，都有一个标志和一个陷阱启动器。遇到信号时，其标志设置为 1 ，然后，如果陷阱启用器设 置为 1 ，则引发异常。标志是粘性的，因此用户需要在监控计算之前重置它们。 参见: • IBM 的通用十进制算术规范描述 The General Decimal Arithmetic Specification。 9.4.1 快速入门教程 通常使用 Decimal(0) DivisionByZero: x / 0 上下文还具有用于监视计算期间遇到的异常情况的信号标志。标志保持设置直到明确清除，因此最好通过使 用 clear_flags() 方法清除每组受监控计算之前的标志。: 278 Chapter 9. 数字和数学模块 The Python Library Reference, 发布 3.7.13 >>> setcontext(ExtendedContext) 结尾。 如果参数中某个部分是绝对路径，则绝对路径前的路径都将被丢弃，并从绝对路径部分开始连接。 在 Windows 上，遇到绝对路径部分（例如 r'\foo'）时，不会重置盘符。如果某部分路径包含盘 符，则会丢弃所有先前的部分，并重置盘符。请注意，由于每个驱动器都有一个“当前目录”，所以 os.path.join("c:", "foo") 表示驱动器 C: 上当前目录的相对路径 (c:foo)，而不是