http://wiki.scipy.org/PerformancePython
从介绍开始
织法与NumPy，Pyrex，Psyco，Fortran（77和90）和C ++的比较，用于求解拉普拉斯方程。
它还比较了MATLAB，似乎显示出与使用Python和NumPy时相似的速度。
当然，这只是一个特定的示例，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不会有任何危害。
您还可以使用优化的库（例如ATLAS）来编译NumPy，该库提供了一些BLAS / LAPACK例程。这些速度应与MATLAB相当。
我不确定NumPy下载是否已经针对该文件进行了构建，但是我认为，如果您编译NumPy，ATLAS会根据您的系统调整库，
http://www.scipy.org/Installing_SciPy/Windows
编辑：
如果您想找出C或C 更好的 性能，可能值得提出 一个新问题。尽管从上面的 链接可以看出C 的性能最佳。其他解决方案也非常接近，例如Pyrex，Python / Fortran（使用f2py）和内联C ++。
我做过的C ++下唯一的矩阵代数是使用MTL 并实现扩展卡尔曼滤波器。不过，我想，从本质上讲，这取决于您使用的LAPACK / BLAS库以及其优化程度。
该链接列出了许多语言的面向对象的数值包。
602392714
清零编程群