MATLAB比Python快吗？

Question

我想用Biot–Savart law计算一些导体的磁场，我想用一个1000x1000x1000矩阵。在我使用MATLAB之前，但是现在我想使用Python。Python比MATLAB慢吗？如何使Python更快？

编辑： 也许最好的方法是用C/C++计算大数组，然后将它们转换为Python。我想用VPython可视化。

<2> Edt2:我的情况下，C或C++是什么更好？

Answer 1

你可以在这个链接的底部找到一些有用的结果

http://wiki.scipy.org/PerformancePython

从介绍开始

A comparison of weave with NumPy, Pyrex, Psyco, Fortran (77 and 90) and C++ for solving Laplace's equation.

它还比较了MATLAB，并显示了与使用Python和NumPy时类似的速度。

当然，这只是一个特定的例子，您的应用程序可能允许更好或更差的性能。在两者上运行相同的测试并进行比较没有坏处。

您还可以使用优化的库来编译NumPy，比如提供一些BLAS/LAPACK例程的ATLAS。它们的速度应该与MATLAB相当。

我不确定是否已经针对它构建了NumPy下载，但我认为如果编译NumPy，ATLAS会根据您的系统调整库

http://www.scipy.org/Installing_SciPy/Windows

该链接提供了Windows平台下所需内容的更多详细信息。

编辑：

<>如果你想知道什么是更好的，C或C++，那么你可能需要问一个新问题。虽然从上面的链接来看C++具有最好的性能。其他解决方案也非常接近，即pyRX、Python／Fortran（使用F2PY）和内联C++。

< > C++中我所做的唯一的矩阵代数是使用MTL和实现扩展卡尔曼滤波器。不过，我想，从本质上说，这取决于您正在使用的LAPACK/BLAS库以及它的优化程度。

此链接包含许多语言的面向对象数字包列表。

http://www.oonumerics.org/oon/

Answer 2

NumPy和MATLAB都为标准线性代数运算使用底层的BLAS实现。一段时间以来，两者都使用了ATLAS，但现在，很明显，MATLAB还附带了其他实现，比如Intel的Math Kernel Library（MKL）。哪个更快取决于系统和BLAS实现的编译方式。您还可以使用MKL编译NumPy，Enthought正在研究对其Python发行版的MKL支持（请参见它们的roadmap）。这也是最近关于这个的interesting blog post。

另一方面，如果您需要更专业的操作或数据结构，那么Python和MATLAB都为您提供了各种优化方法（比如Cython，PyCUDA，…）。

编辑：我更正了这个答案，以考虑到不同的BLAS实现。我希望它现在能公正地反映当前的形势。

Answer 3

唯一有效的测试是基准测试。这实际上取决于你的平台是什么，以及Biot-Savart定律与Matlab或NumPy/SciPy内置操作的映射程度。

至于让Python更快，Google正在研究Unladen Swallow，一个针对Python的JIT编译器。可能还有其他类似的项目。