<p>你可以在这个链接的底部找到一些有用的结果</p>
<p><a href="http://wiki.scipy.org/PerformancePython" rel="noreferrer">http://wiki.scipy.org/PerformancePython</a></p>
<p>从介绍开始</p>
<blockquote>
<p>A comparison of weave with NumPy, Pyrex, Psyco, Fortran (77 and 90) and C++ for solving Laplace's equation.</p>
</blockquote>
<p>它还比较了MATLAB,并显示了与使用Python和<a href="http://en.wikipedia.org/wiki/NumPy" rel="noreferrer">NumPy</a>时类似的速度。</p>
<p>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。</p>
<p>您还可以使用优化的库来编译NumPy,比如提供一些<a href="http://en.wikipedia.org/wiki/Basic_Linear_Algebra_Subprograms" rel="noreferrer">BLAS</a>/<a href="http://en.wikipedia.org/wiki/LAPACK" rel="noreferrer">LAPACK</a>例程的<a href="http://en.wikipedia.org/wiki/Automatically_Tuned_Linear_Algebra_Software" rel="noreferrer">ATLAS</a>。它们的速度应该与MATLAB相当。</p>
<p>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</p>
<p><a href="http://www.scipy.org/Installing_SciPy/Windows" rel="noreferrer">http://www.scipy.org/Installing_SciPy/Windows</a></p>
<p>该链接提供了Windows平台下所需内容的更多详细信息。</p>
<p>编辑:</p>
<>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++。</p>
< > C++中我所做的唯一的矩阵代数是使用<a href="http://www.osl.iu.edu/research/mtl/" rel="noreferrer">MTL</a>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。</p>
<p>此链接包含许多语言的面向对象数字包列表。</p>
<p><a href="http://www.oonumerics.org/oon/" rel="noreferrer">http://www.oonumerics.org/oon/</a></p>