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(yīng)用程序不需要高性能。操控excel,選擇Python還是vba？對(duì)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(yīng)用程序不需要高性能。

操控excel,選擇Python還是vba？

對(duì)于大量數(shù)據(jù)，建議使用Python。VBA通常將數(shù)據(jù)存儲(chǔ)在內(nèi)存中。當(dāng)數(shù)據(jù)沒有分割，計(jì)算機(jī)配置不高時(shí)，會(huì)出現(xiàn)更多的卡。經(jīng)過數(shù)據(jù)處理后，如果內(nèi)存沒有釋放，電腦也會(huì)多卡。VBA一般啟動(dòng)兩個(gè)CPU核進(jìn)行數(shù)據(jù)計(jì)算，運(yùn)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(xué)習(xí)python。如果只操作excel，兩種學(xué)習(xí)難度相差不大，但是Python的開發(fā)空間會(huì)更好

另一種更方便的方法是使用power Bi的三個(gè)組件進(jìn)行數(shù)據(jù)處理，power query進(jìn)行數(shù)據(jù)處理，PowerPivot進(jìn)行分析，power Bi進(jìn)行數(shù)據(jù)處理的優(yōu)點(diǎn)數(shù)據(jù)可視化的主要觀點(diǎn)是學(xué)習(xí)周期短，數(shù)據(jù)可以自動(dòng)刷新，啟動(dòng)時(shí)間相對(duì)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(dāng)然，為了長期的可持續(xù)性，建議學(xué)習(xí)python，但起步時(shí)間會(huì)比較長

為了解決運(yùn)行效率的問題，因?yàn)閜ython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(yùn)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(yùn)行提高效率？

對(duì)于那些使用了多種開發(fā)語言（Java、C#、nodejs、Erlang）然后轉(zhuǎn)用Python進(jìn)行機(jī)器學(xué)習(xí)的人，我想談?wù)勎业目捶ā?/p>

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(gè)數(shù)量級(jí)。

那么為什么要使用Python呢？如果我們遍歷超過一億個(gè)數(shù)據(jù)，兩個(gè)數(shù)量級(jí)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(jì)的數(shù)據(jù)，Python只會(huì)循環(huán)十幾次，剩下的就留給CPU和GPU了。所以兩個(gè)數(shù)量級(jí)無關(guān)緊要？一毫秒和100毫秒在整個(gè)系統(tǒng)中并不重要。

Python最大的優(yōu)點(diǎn)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(jìn)行計(jì)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(jì)算，gevent借助epoll系統(tǒng)IO優(yōu)化。因此，它不需要花費(fèi)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(jī)器學(xué)習(xí)任務(wù)。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？