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。