Python与C++的速度有哪些区别
这篇文章主要讲解了“Python与C++的速度有哪些区别”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“Python与C++的速度有哪些区别”吧!
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。
defconvert(c): if (c =='A'): return'C' if (c =='C'): return'G' if (c =='G'): return'T' if (c =='T'): return'A' print("Start") opt ="ACGT" s ="" s_last ="" len_str =13 for i inrange(len_str): s += opt[0] for i inrange(len_str): s_last += opt[-1] pos =0 counter =1 while (s != s_last): counter +=1 # You can uncomment the next line to see all k-mers. # print(s) change_next =True for i inrange(len_str): if (change_next): if (s[i] == opt[-1]): ss = s[:i] +convert(s[i]) + s[i+1:] change_next =True else: ss = s[:i] +convert(s[i]) + s[i+1:] break # You canuncomment the next line to see all k-mers. # print(s) print("Number ofgenerated k-mers: {}".format(counter)) print("Finish!")
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:
#include<iostream> #include<string> usingnamespacestd; charconvert(char c) { if (c == 'A') return'C'; if (c == 'C') return'G'; if (c == 'G') return'T'; if (c == 'T') return'A'; return' '; } intmain() { cout << "Start" << endl; string opt = "ACGT"; string s = ""; string s_last = ""; int len_str = 13; bool change_next; for (int i=0; i<len_str;i++) { s += opt[0]; } for (int i=0; i<len_str;i++) { s_last += opt.back(); } int pos = 0; int counter = 1; while (s != s_last) { counter ++; // You canuncomment the next line to see all k-mers. // cout << s<< endl; change_next = true; for (int i=0; i<len_str;i++) { if (change_next) { if (s[i] == opt.back()) { s[i] = convert(s[i]); change_next = true; } else { s[i] = convert(s[i]); break; } } } } // You can uncomment the next line tosee all k-mers. // cout << s << endl; cout << "Number of generated k-mers: " <<counter << endl; cout << "Finish!" << endl; return0; }
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。
感谢各位的阅读,以上就是“Python与C++的速度有哪些区别”的内容了,经过本文的学习后,相信大家对Python与C++的速度有哪些区别这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是亿速云,小编将为大家推送更多相关知识点的文章,欢迎关注!