jupyter notebook运行慢（c++和python先学哪个 谁更适合初学者）
本文目录
c++和python先学哪个 谁更适合初学者
python语言的难度比C++低很多，python是一门易读、易维护，并且被大量用户所欢迎的、用途广泛的语言。所以初学者适合学习python。
初学者适合学习c++还是python
python自身是在其他语言的根基之上衍生出来的，包含了C++、ABC、Algol-68、SmallTalk、Unix shell 和其他的脚本语言。不同于其他编程语言，python在学习之初并不需要其他复杂的知识背景，就可以入手学习。 同时，python近来的热度也越来越高。因为python 的实用性非常强，现在以及未来，人工智能AI 编程的主流工具都是python，所以python更适合初学者。
后端开发、前端开发、爬虫开发、人工智能、金融量化分析、大数据、物联网等，python应用无处不在，搜索引擎Google的核心代码是python完成的、迪士尼公司动画生成的Unix版本都内建了python环境支持、国内知名的豆瓣网是使用python技术建立……可见python应用开发技术在各公司都有大规模使用，python的发展前景是不可估量的。
c++和python的区别
python为脚本语言，需要边解释边运行。好处是不需要编译，可以直接运行。坏处是由于边解释边运行，运行效率慢。C++为编译语言需要先编译再运行。好处是运行速度快，尤其对于大型程序，效率提升明显。坏处是程序更新后，需要重新编译运行，不是很方便。
python语法简单，语句简洁，使用方便，上手容易，而且不需要编译可以即使运行，尤其在Jupyter Notebook上运行，那叫一个得心应手。C++语法复杂，格式要求高，使用不便，上手较难。
python在人工智能领域占据有压倒性的优势，有众多的库支持，大多数第三方库都是基于python开发或者提供完整的API。
Python:Pandas如何高效运算的方法
本文就Pandas的运行效率作一个对比的测试，来探讨用哪些方式，会使得运行效率较好。
测试环境如下：
windows 7， 64位
python 3.5
pandas 0.19.2
numpy 1.11.3
jupyter notebook
需要说明的是，不同的系统，不同的电脑配置，不同的软件环境，运行结果可能有些差异。就算是同一台电脑，每次运行时，运行结果也不完全一样。
1 测试内容测试的内容为，分别用三种方法来计算一个简单的运算过程，即 a*a+b*b 。
三种方法分别是：
python的for循环
Pandas的Series
Numpy的ndarray
首先构造一个DataFrame，数据量的大小，即DataFrame的行数，分别为10， 100， 1000， ? ，直到10,000,000（一千万）。
然后在jupyter notebook中，用下面的代码分别去测试，来查看不同方法下的运行时间，做一个对比。
import pandas as pdimport numpy as np# 100分别用 10，100，...，10,000,000来替换运行list_a = list(range(100))# 200分别用 20，200，...，20,000,000来替换运行list_b = list(range(100,200))
print(len(list_a))
print(len(list_b))
df = pd.DataFrame({’a’:list_a, ’b’:list_b})
print(’数据维度为：{}’.format(df.shape))
print(len(df))
print(df.head())100
100
数据维度为：(100, 2)
100
a b
0 0 100
1 1 101
2 2 102
3 3 103
4 4 104执行运算， a*a + b*b
Method 1: for循环
%%timeit# 当DataFrame的行数大于等于1000000时，请用 %%time 命令for i in range(len(df)):
df100 loops, best of 3: 12.8 ms per loopMethod 2: Series
type(df)pandas.core.series.Series%%timeit
dfThe slowest run took 5.41 times longer than the fastest. This could mean that an intermediate result is being cached.
1000 loops, best of 3: 669 ?s per loopMethod 3: ndarray
type(df.values)numpy.ndarray%%timeit
df.values10000 loops, best of 3: 34.2 ?s per loop2 测试结果运行结果如下：
从运行结果可以看出，for循环明显比Series和ndarray要慢很多，并且数据量越大，差异越明显。当数据量达到一千万行时，for循环的表现也差一万倍以上。 而Series和ndarray之间的差异则没有那么大。
PS： 1000万行时，for循环运行耗时特别长，各位如果要测试，需要注意下，请用 %%time 命令（只测试一次）。
下面通过图表来对比下Series和ndarray之间的表现。
从上图可以看出，当数据小于10万行时，ndarray的表现要比Series好些。而当数据行数大于100万行时，Series的表现要稍微好于ndarray。当然，两者的差异不是特别明显。
所以一般情况下，个人建议，for循环，能不用则不用，而当数量不是特别大时，建议使用ndarray（即df.values）来进行计算，运行效率相对来说要好些。
更多文章：
2025年11月9日 02:30
计算机网络协议指的是tcp ip协议（TCP/IP协议是什么）
2025年10月21日 07:15
oracle数据库备份文件后缀（ORACLE 数据库导出的数据文件 什么后缀）
2026年4月7日 10:45
2025年9月17日 02:45
2025年9月23日 17:30
2025年6月11日 03:45
新加坡marina square风景（新加坡Marina Bay Sands空中花园设计欣赏）
2026年4月3日 10:45
datagridview设置表头（Datagridview表头样式设置）
2026年9月3日 13:45
2026年4月27日 03:00
2026年9月11日 12:00
mysql workbench查看表结构（在使用mysqlworkbench6.3怎么查看mysql数据库的关系图）
2025年7月31日 04:30
curl访问地址（php curl访问本地测试地址 链接超时，什么原因.公网可以）
2026年2月15日 19:15
2025年8月1日 19:30
object后面接什么（高中英语 object 意思为“拒绝“时的用法 后面跟什么）
2026年6月30日 19:00
win10系统java环境变量设置（win10怎么配置java环境变量path）
2025年6月16日 13:45
2026年4月5日 16:00
2026年4月29日 02:45
2026年1月23日 17:00
jquerytrigger参数（怎么给jquery方法传值 就是点击第2个button后执行第一个button的方式 怎么给s传值）
2025年11月5日 00:15
selective tool教程（selective tool能卸载吗）
2025年5月30日 06:30
