99热在线精品一区二区三区_国产伦精品一区二区三区女破破_亚洲一区二区三区无码_精品国产欧美日韩另类一区

這篇文章主要講解了“Python與C++的速度有哪些區(qū)別”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“Python與C++的速度有哪些區(qū)別”吧！

10年積累的做網(wǎng)站、網(wǎng)站制作經(jīng)驗(yàn)，可以快速應(yīng)對(duì)客戶對(duì)網(wǎng)站的新想法和需求。提供各種問題對(duì)應(yīng)的解決方案。讓選擇我們的客戶得到更好、更有力的網(wǎng)絡(luò)服務(wù)。我雖然不認(rèn)識(shí)你，你也不認(rèn)識(shí)我。但先網(wǎng)站制作后付款的網(wǎng)站建設(shè)流程，更有崆峒免費(fèi)網(wǎng)站建設(shè)讓你可以放心的選擇與我們合作。

DNA K-mers簡(jiǎn)介

DNA是一種稱為核苷酸的長(zhǎng)鏈單位。在DNA中，共有4種核苷酸類型，分別用字母A、C、G和T表示。人類(更準(zhǔn)確地說是智人)擁有核苷酸對(duì)30億個(gè)。例如，人類DNA的一小部分可能類似于：

ACTAGGGATCATGAAGATAATGTTGGTGTTTGTATGGTTTTCAGACAATT

在此示例中，如果從該字符串中選擇任意4個(gè)連續(xù)的核苷酸(即字母)，它將是一個(gè)長(zhǎng)度為4的k-mer(可稱之為4-mer)。以下便是從此示例中衍生出來的一些4-mers例子：ACTA，CTAG，TAGG，AGGG，GGGA等。

難點(diǎn)挑戰(zhàn)

本文以生成所有可能的13-mers為例，從數(shù)學(xué)上講，這是一個(gè)帶有替換的排列問題。因此，共有4¹³個(gè)(67108864)可能的13-mers。下面將使用一個(gè)簡(jiǎn)單的算法在C++和Python中生成結(jié)果。

方案比較

為了方便比較C++和Python在此特定挑戰(zhàn)中的優(yōu)劣，我在兩種語言中使用了完全相同的算法。這兩種代碼均有意設(shè)計(jì)地簡(jiǎn)單而相似。同時(shí)，避免使用復(fù)雜的數(shù)據(jù)結(jié)構(gòu)或第三方包或庫(kù)。第一段代碼采用Python編寫。

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!")

運(yùn)行Python代碼，生成全部13-mers共6700萬個(gè)大約需要61.23秒。為了公平比較，我注釋掉了顯示k-mers的行。如果想在生成k-mers時(shí)顯示它們，也可以取消對(duì)這兩行的注釋。注意，顯示全部k-mers耗時(shí)很長(zhǎng)。如有需要，請(qǐng)操作CTRL+C中止代碼。

現(xiàn)在，來看看C++中同樣的算法：

#include            #include              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
編譯后，運(yùn)行C++代碼，生成全部13-mers共6700萬個(gè)大約需要2.42秒。這意味著運(yùn)行相同算法，Python用時(shí)是C++的25倍多。然后，對(duì)14-mers和15-mers重復(fù)進(jìn)行此實(shí)驗(yàn)。匯總結(jié)果如下表所示：

比較生成13-、14-和15-mers的Python和C++運(yùn)行結(jié)果。
顯然，C++比Python快得多。對(duì)于大多數(shù)程序員和數(shù)據(jù)科學(xué)家而言，這是共識(shí)。但該示例表明，這種差異十分顯著。
本示例并沒有使用CPU或GPU并行化，因其必須針對(duì)相應(yīng)類型的問題(密集并行難題)進(jìn)行。此外，示例也沒有大量涉及內(nèi)存。如果將運(yùn)行結(jié)果進(jìn)行存儲(chǔ)(出于某些特定原因)，那么使用內(nèi)存管理在運(yùn)行C++和Python時(shí)，將產(chǎn)生更顯著的差異。
此示例和數(shù)以千計(jì)的其他事實(shí)表明，在處理大量數(shù)據(jù)或指數(shù)增長(zhǎng)的過程中，身為數(shù)據(jù)科學(xué)家，你應(yīng)該了解C++類語言。
感謝各位的閱讀，以上就是“Python與C++的速度有哪些區(qū)別”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對(duì)Python與C++的速度有哪些區(qū)別這一問題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！
            
            
                                                            

                                                分享題目：Python與C++的速度有哪些區(qū)別                                                

                                                當(dāng)前URL：http://ef60e0e.cn/article/gdjcdh.html