大家好，今天小编关注到一个比较有意思的话题，就是关于python语言学习慢的问题，于是小编就整理了2个相关介绍Python语言学习慢的解答，让我们一起看看吧。
Python执行速度慢只是因为它是解释型语言吗？
如果是先编译再执行的语言（例如：C、C++），执行效率取决于runtime也就是运行时的性能。不取决于语言。
如果是解释型语言（例如：Python），因为是一边编译一边执行，执行效率取决于编译器与runtime两个方面，虽然慢一些，但仍然与编程语言无瓜。
例：
1、Python总是被诟病“慢”，但实际上是编译器CPython的问题，如果把编译器换成PyPy，运行速度瞬间飞起。
2、华为方舟编译器为什么被称作“对于Android的革命性速度提升”？因为它把Android默认一边编译一边执行的机制换成了编译完成后再执行。
结论：编程语言无须担心，
如果是解释型语言，只需要做好一个编译速度还可以的编译器与良好的实现算法。
如果这不是解释型语言，运行速度开发者无需操心。
只要有一个良好的社区或者上进的开发者，只要语言开源，会蹿出来其它五花八门的编译器的。
为什么python调用matlab程序很慢？
Python调用Matlab程序较慢的原因可能有以下几点：
1. 程序转换：Python和Matlab是两种不同的编程语言，调用Matlab程序需要将Python代码转换成Matlab代码，这个过程可能比较耗时。
2. 通信开销：Python和Matlab之间的通信开销比较大，因为它们是两个独立的进程，需要进行进程间通信，这会增加程序的运行时间。
3. 运行环境：Python和Matlab使用不同的运行环境，调用Matlab程序需要启动Matlab虚拟机，并加载相应的库和数据，这些操作都会耗费一些时间。
4. 数据传输：在Python和Matlab之间传递数据也需要一定的时间，特别是在数据量较大时，数据的传输会成为影响性能的一个因素。
综上所述，由于Python和Matlab之间的语言差异、通信开销、运行环境和数据传输等因素，导致Python调用Matlab程序较慢。为了减少此问题，可以使用更高效的交互方式，如使用MATLAB Engine API等。此外，也可以考虑在Python中使用原生的库来避免调用Matlab程序。
java和c都是编译型语言，一个是解释型语言。 编译型语言在程序执行之前，有一个单独的编译过程，将程序翻译成机器语言，以后执行这个程序的时候，就不用再进行翻译了。 解释型语言，是在运行的时候将程序翻译成机器语言，所以运行速度相对于编译型语言要慢。 当然更多的是与算法有关而不是语言。你python代码换成这个看看，速度是不是比你快多了 def primes1(n): """ returns a list of primes < n """ sieve = [True] * (n/2) for i in xrange(3,int(n**0.5)+1,2): if sieve[i/2]: sieve[i*i/2::i] = [False] * ((n-i*i-1)/(2*i)+1) return [2] + [2*i+1 for i in xrange(1,n/2) if sieve[i]] import time start = time.time() a = primes1(4000000) end = time.time() print a print 'used time:' end-start
到此，以上就是小编对于python语言学习慢的问题就介绍到这了，希望介绍关于python语言学习慢的2点解答对大家有用。
