Python 是数据科学 (DS) 和机器学习 (ML) 中最常用的脚本语言之一。根据“ PopularitY of Programming Languages ”，Python 是 Google 上搜索次数最多的语言。除了作为将各种 DS/ML 解决方案连接在一起的出色胶水语言之外，它还有许多库可以对数据进行虚拟处理。

大约一个月后，我们获得了 Python 的全新年度版本：3.11 版。我对这个新版本感到非常兴奋，因为这个版本的主要特点是速度显着提高。

要了解 Python 3.11 真正的速度有多快，最好的方法是自己运行测试。

1_XjHaXLsnx8KkRJdlZgJ9oQ.jpeg

对编程语言进行基准测试并非易事。当您阅读x比y快时，您应该始终对结果持保留态度。一种算法的实现可能比x更好，而另一种算法在y上更好。对于我们的基准测试，它有点简单，因为我们正在针对 Python 测试 Python，但我们可能从语言中选择了仅受到轻微影响的元素。考虑到这一点，我想介绍我用来进行基准测试的算法：使用蒙特卡洛方法估计 Pi。

这个算法的想法很简单，但是在大学的一些数学课程中第一次看到它让我大吃一惊。我们有一个大小为2r的正方形，在这个正方形中我们拟合一个半径为r的圆。现在我们采用一个随机数生成器，它在平面上生成数字：<-r, r>, <-r, r>。圆上的点与正方形上的点之间的比率（读取：所有点）是面积比的近似值，我们可以用它来近似 Pi。这在等式中更清楚一点：

2.png

在 Python 中，我将实际估计与测试脚本分开，这样我就可以重复测试并取平均值。此处未显示，但我还使用Argparse对脚本进行了参数化，这是一个用于解析来自命令行界面 (CLI) 的参数的标准库。Python 代码如下所示：

该脚本已准备好运行，但我们希望使用它来测试各种版本的 Python，而不仅仅是当前安装（或激活）的版本。测试多个 Python 版本的最简单方法是使用 Docker。Python 维护着许多 docker 镜像。自然是所有受支持的版本，还有一些生命周期结束 (EOL) 的版本，例如 2.7 或 3.2。它还具有用于发布候选版本的图像，例如版本 3.11。要使用 Docker，您需要安装它。在 Linux 和 Mac 中它相对容易，在 Windows 中我不太确定，但可能也不难。我建议只安装 docker CLI，桌面对我来说太臃肿了。要在容器化 Python 环境中运行本地脚本，请运行：

为了自动化各种版本的测试，我们当然也会使用 Python。这个脚本将简单地启动一个子进程来启动一个具有特定 Python 版本的容器，然后收集结果。没什么特别的：

运行这些测试时，绝对数量因机器而异，具体取决于处理器（CPU 很重）。以下是最近 7 个主要 Python 版本的结果：

3.png

新的 Python 3.11 每次运行耗时 6.4605 秒。Python 3.5 耗时 11.3014 秒。（Python 3.11 快 74.9%）
Python 3.6 耗时 11.4332 秒。（Python 3.11 快 77.0%）
Python 3.7 耗时 10.7465 秒。（Python 3.11 快 66.3%）
Python 3.8 耗时 10.6904 秒。（Python 3.11 快 65.5%）
Python 3.9 耗时 10.9537 秒。（Python 3.11 快 69.5%）
Python 3.10 耗时 8.8467 秒。（Python 3.11 快 36.9%）</pre>

Python 3.11 的基准测试平均耗时 6.46 秒。与之前的版本 (3.10) 相比，这几乎快了 37%。相当令人印象深刻！3.9 版和 3.10 版之间的差异大致相同，使 3.11 版快了近 70%！我已经在图 2 中绘制了所有时间。

在谈论速度时，我们总是有一个人说：如果你想要速度，为什么不使用 C。

C 比 Python 快得多！——那个人

虽然我的 C 有点生锈，但我还是想试试看。我使用了 GNU C++，因为它带有一个不错的时间测量库（chrono）。找到下面的代码：

众所周知，C++ 是一种编译语言，因此我们需要先编译源代码才能使用它。

编译后，只需运行构建可执行文件。输出应该是这样的：

Pi 约为 3.14227，计算时间为 0.25728 秒。
Pi 约为 3.14164，计算时间为 0.25558 秒。
Pi 约为 3.1423，计算时间为 0.25740 秒。
Pi 约为 3.14108，计算时间为 0.25737 秒。
Pi 约为 3.14261，计算时间为 0.25664 秒。每个循环平均需要 0.25685 秒来计算。

我们必须同意那个人的观点，因为它真的（阅读：真的）很快。执行我们之前在 Python 中编写的相同循环只需要 0.257 秒。让我们在之前的图中将其添加为一条线，如图 3 所示。

4.png

现在，在对之前的数字进行了更长时间的欣赏之后，我们清楚地看到了 Python 获得的动力。自 3.9 版以来，Python 的速度提高了约 35%。Python 开发人员提到，接下来的几个版本将显着提高速度，因此，我们可以假设这个速度将保持不变（是的，超级安全的假设）。

现在的问题是，在这种势头固定的情况下，Python 何时会超越 C++ 的时代。为此，我们当然可以使用外推法来预测下一个 Python 版本的循环时间。这些可以在图 4 中看到。

5.png

图 4：推断 Python 速度 -> Python 3.14 的速度将超过 C++。惊人！（作者图片）。

结果真的很惊人！保持这个速度，Python 3.14 将比 C++ 更快。确切地说，循环时间为-0.232秒，因此它会在您想要进行计算之前完成。时空连续体中似乎有一个洞，但这些计算是坚如磐石的。因此，我认为我们可能不得不质疑爱因斯坦和朋友的工作。