為什么Python效率這么低，還這么火？在許多情況下，性能不是瓶頸。大約80%的應用程序不需要高性能。操控excel,選擇Python還是vba？對于大量數(shù)據(jù)，建議使用Python。VBA通常將數(shù)據(jù)存

為什么Python效率這么低，還這么火？

在許多情況下，性能不是瓶頸。大約80%的應用程序不需要高性能。

操控excel,選擇Python還是vba？

對于大量數(shù)據(jù)，建議使用Python。VBA通常將數(shù)據(jù)存儲在內存中。當數(shù)據(jù)沒有分割，計算機配置不高時，會出現(xiàn)更多的卡。經(jīng)過數(shù)據(jù)處理后，如果內存沒有釋放，電腦也會多卡。VBA一般啟動兩個CPU核進行數(shù)據(jù)計算，運算效率較低?，F(xiàn)在微軟已經(jīng)停止更新VBA了，更建議大家學習python。如果只操作excel，兩種學習難度相差不大，但是Python的開發(fā)空間會更好

另一種更方便的方法是使用power Bi的三個組件進行數(shù)據(jù)處理，power query進行數(shù)據(jù)處理，PowerPivot進行分析，power Bi進行數(shù)據(jù)處理的優(yōu)點數(shù)據(jù)可視化的主要觀點是學習周期短，數(shù)據(jù)可以自動刷新，啟動時間相對較快。使用這種方法，效率可能比excel快，但速度仍然不如python快。當然，為了長期的可持續(xù)性，建議學習python，但起步時間會比較長

為了解決運行效率的問題，因為python是一種軟件粘合語言，用C或Java重寫后，自然可以嵌入需要高效運行的代碼塊。這是解決執(zhí)行效率問題的最有效途徑。

開發(fā)python如何高效運行提高效率？

對于那些使用了多種開發(fā)語言（Java、C#、nodejs、Erlang）然后轉用Python進行機器學習的人，我想談談我的看法。

首先，Python真的很慢嗎？我的回答是真的。非常慢。for循環(huán)比CPP慢兩個數(shù)量級。

那么為什么要使用Python呢？如果我們遍歷超過一億個數(shù)據(jù)，兩個數(shù)量級的差異是不可接受的。但是，如果我們使用Python來執(zhí)行頂層邏輯并阻塞數(shù)以億計的數(shù)據(jù)，Python只會循環(huán)十幾次，剩下的就留給CPU和GPU了。所以兩個數(shù)量級無關緊要？一毫秒和100毫秒在整個系統(tǒng)中并不重要。

Python最大的優(yōu)點是它可以非常優(yōu)雅地將數(shù)據(jù)拋出到高效的C、CUDA中進行計算。Numpy、panda、numba這些優(yōu)秀的開源庫可以非常方便高效地處理海量數(shù)據(jù)，借助ZMQ、cell等還可以做分布式計算，gevent借助epoll系統(tǒng)IO優(yōu)化。因此，它不需要花費太多的精力就可以優(yōu)雅高效地完成海量數(shù)據(jù)處理和機器學習任務。這就是Python如此流行的原因。

好好想想。同樣的性能，代碼只有CPP或Java的三分之一或更少，不是很吸引人嗎？