C++真的比Python更快吗？

引言

某些刷题系统超时时间卡得很严格，同一道题目，相同算法，用 python 写就会超时，用 C++ 写就能AC。

这不仅引发进一步思考：C++ 是不是绝对比 python 快，究竟快多少？

实验测试

有人说 C++ 比 Python快几十倍，有人说快上百倍，不如直接来进行实验测试。

1. 简单计算场景

任务：计算从 1 到 N 的所有整数的平方和

N 取值为100万：

python代码：

import timedef sum_of_squares(n):total = 0for i in range(1, n + 1):total += i * ireturn totalif __name__ == "__main__":N = 1000000start = time.time()result = sum_of_squares(N)end = time.time()print("Result:", result)print("Time (Python):", end - start, "seconds")

C++代码：

#include <iostream>
#include <chrono>
using namespace std;long long sum_of_squares(int n) {long long total = 0;for (int i = 1; i <= n; i++) {total += 1LL * i * i;}return total;
}int main() {int N = 1000000;auto start = chrono::high_resolution_clock::now();long long result = sum_of_squares(N);auto end = chrono::high_resolution_clock::now();chrono::duration<double> elapsed = end - start;cout << "Result: " << result << endl;cout << "Time (C++): " << elapsed.count() << " seconds" << endl;return 0;
}

运行时间：

Time (Python): 0.06529355049133301 seconds
Time (C++): 0.0010278 seconds

C++ 的速度约是 python 的 65 倍。

如果 N 取值为 1000万：

输出时间：

Time (C++): 0.0167507 seconds
Time (Python): 0.6048719882965088 seconds

C++ 的速度约是 python 的 36 倍。

2. 包含IO场景的测试

写一个包含100万条的信息的日志文件。

python代码

import timedef generate_log_file(filename, n):with open(filename, "w") as f:for i in range(n):f.write(f"[INFO] line {i}: this is a test log message\n")if __name__ == "__main__":N = 1000000filename = "log_python.txt"start = time.perf_counter()generate_log_file(filename, N)end = time.perf_counter()print(f"Generated {N} lines into {filename}")print("Time (Python):", end - start, "seconds")

C++代码

#include <iostream>
#include <fstream>
#include <chrono>
using namespace std;void generate_log_file(const string &filename, int n) {ofstream fout(filename);for (int i = 0; i < n; i++) {fout << "[INFO] line " << i << ": this is a test log message\n";}fout.close();
}int main() {int N = 1000000;string filename = "log_cpp.txt";auto start = chrono::high_resolution_clock::now();generate_log_file(filename, N);auto end = chrono::high_resolution_clock::now();chrono::duration<double> elapsed = end - start;cout << "Generated " << N << " lines into " << filename << endl;cout << "Time (C++): " << elapsed.count() << " seconds" << endl;return 0;
}

结果

Time (Python): 0.6496610003523529 seconds
Time (C++): 0.442306 seconds

受到磁盘写入速度的限制，在 IO 场景下，C++ 的速度仅为是 python 的 1.46 倍。

3. 矩阵密集计算

下面再测试一个矩阵相乘的计算场景。

python代码，测试普通循环和使用numpy两种方式。

import time
import random
import numpy as npN = 300  # 矩阵大小# 用 Python 列表生成矩阵
A = [[random.random() for _ in range(N)] for _ in range(N)]
B = [[random.random() for _ in range(N)] for _ in range(N)]# ---------- Python 三重循环 ----------
start = time.perf_counter()
C = [[0.0] * N for _ in range(N)]
for i in range(N):for j in range(N):s = 0.0for k in range(N):s += A[i][k] * B[k][j]C[i][j] = s
end = time.perf_counter()
print(f"Time (Python triple loop): {end - start:.6f} seconds")# ---------- NumPy 实现 ----------
A_np = np.array(A)
B_np = np.array(B)start = time.perf_counter()
C_np = np.dot(A_np, B_np)
end = time.perf_counter()
print(f"Time (NumPy): {end - start:.6f} seconds")

C++代码

#include <iostream>
#include <vector>
#include <cstdlib>
#include <ctime>
using namespace std;int main() {int N = 300;  // 矩阵大小vector<vector<double>> A(N, vector<double>(N));vector<vector<double>> B(N, vector<double>(N));vector<vector<double>> C(N, vector<double>(N, 0.0));srand(time(0));for (int i = 0; i < N; i++) {for (int j = 0; j < N; j++) {A[i][j] = rand() / (double)RAND_MAX;B[i][j] = rand() / (double)RAND_MAX;}}clock_t start = clock();for (int i = 0; i < N; i++) {for (int j = 0; j < N; j++) {double s = 0.0;for (int k = 0; k < N; k++) {s += A[i][k] * B[k][j];}C[i][j] = s;}}clock_t end = clock();cout << "Time (C++): " << (double)(end - start) / CLOCKS_PER_SEC << " seconds\n";return 0;
}

结果

Time (Python triple loop): 3.641190 seconds
Time (NumPy): 0.000746 seconds
Time (C++): 0.207 seconds

C++ 的速度约是 python 相同写法的 17 倍，但使用numpy之后，python的速度约是C++的 277 倍。

总结

一般情况下，C++ 确实比 Python 会快很多，在普通计算效率上，至少有10倍以上的提升，主要原因是语言本身的差异性：

• C++ 是编译型语言，源代码会被编译为机器码，直接在 CPU 上运行，几乎没有额外的解释开销。
• Python 是解释型语言，运行时需要解释器逐行执行代码，每一步操作都要经过额外的对象管理和动态类型检查，计算效率天然落后。

但是，当任务涉及文件写入、磁盘读写或网络通信 时，性能瓶颈转移到操作系统和硬件的 IO 延迟上，两者的速度差异会减小。

此外，Python在借 助NumPy 等第三库之后，计算效率反而比未经优化的C++速度更快，主要原因是 Numpy 的矩阵乘法核心调用了底层 C/Fortran 的 BLAS/LAPACK 库，这些库经过几十年的优化，包含一系列优化策略：

• 循环展开、SIMD 向量化（利用 SSE/AVX 指令集，一次处理多个数据）；
• Cache 优化（分块算法 block matrix multiplication，减少 cache miss）；
• 多线程并行（OpenBLAS/MKL 可以利用多核 CPU 并行计算）；
• 硬件加速（在某些场景下甚至能利用 GPU）。

因此，直接认为 C++ 比 Python 快是不准确的，C++ 的优化空间会比 Python 更多，但需要的操作会更繁琐。在比较运行效率时，需要考虑测试场景和代码质量。