与Python的速度较量：C++究竟有多快？

本文转载自公众号“读芯术”(ID：AI_Discovery)。

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。

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。

【责任编辑：赵宁宁 TEL：（010）68476606】
本文转载自网络，原文链接：https://www.toutiao.com/i6918631461629411851/
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！