工控课堂

 找回密码
 立即注册

QQ登录

只需一步,快速开始

扫一扫,访问微社区

工控课堂 首页 工控文库 工控编程 查看内容

与Python的速度较量:C++究竟有多快?

2021-2-17 21:37| 发布者: 198366809| 查看: 1| 评论: 0|原作者: 198366809

摘要: 图源:unsplash 对于数据科学家而言,热爱Python的理由数不胜数。但你是否也曾问过这样的问题:Python和C或C++等更专业的低级编程语言究竟有何不同呢?我想这是很多数据科学家或者Python用户曾经问过或者将来会问自 ...

图源:unsplash



对于数据科学家而言,热爱Python的理由数不胜数。但你是否也曾问过这样的问题:Python和C或C++等更专业的低级编程语言究竟有何不同呢?我想这是很多数据科学家或者Python用户曾经问过或者将来会问自己的问题。

Python和C++类语言之间存在许多区别,本文将通过一个十分简单的例子向你展示,与Python相比,C++究竟有多快。




为了说明这种区别,本文选择一个简单实用而非想象虚构的任务:生成固定值为“k”的所有可能DNA k-mers。选择该示例,是因为与基因组相关的许多数据处理和任务分析(例如k-mers生成)都是计算密集型的,而这同样也是很多生物信息学领域的数据科学家对C++感兴趣的原因。




请注意,本文目标并不是以最有效的方式比较C++和Python。这两种代码均可采用更高效的方式和更优化的方法编写。本文的唯一目标,就是比较这两种语言在使用完全相同的算法和指令时的速度。

DNA K-mers简介

DNA是一种称为核苷酸的长链单位。在DNA中,共有4种核苷酸类型,分别用字母A、C、G和T表示。人类(更准确地说是智人)拥有核苷酸对30亿个。例如,人类DNA的一小部分可能类似于:

ACTAGGGATCATGAAGATAATGTTGGTGTTTGTATGGTTTTCAGACAATT

在此示例中,如果从该字符串中选择任意4个连续的核苷酸(即字母),它将是一个长度为4的k-mer(可称之为4-mer)。以下便是从此示例中衍生出来的一些4-mers例子:ACTA,CTAG,TAGG,AGGG,GGGA等。

难点挑战

本文以生成所有可能的13-mers为例,从数学上讲,这是一个带有替换的排列问题。因此,共有4¹³个(67108864)可能的13-mers。下面将使用一个简单的算法在C++和Python中生成结果。

方案比较

为了方便比较C++和Python在此特定挑战中的优劣,我在两种语言中使用了完全相同的算法。这两种代码均有意设计地简单而相似。同时,避免使用复杂的数据结构或第三方包或库。第一段代码采用Python编写。

defconvert(c):               if (c =='A'): return'C'               if (c =='C'): return'G'               if (c =='G'): return'T'               if (c =='T'): return'A'             print("Start")             opt ="ACGT"            s =""            s_last =""            len_str =13             for i inrange(len_str):               s += opt[0]             for i inrange(len_str):               s_last += opt[-1]             pos =0            counter =1            while (s != s_last):               counter +=1               # You can uncomment the next line to see all k-mers.               # print(s)               change_next =True               for i inrange(len_str):                    if (change_next):                        if (s == opt[-1]):                            s = s[:i] +convert(s) + s[i+1:]                            change_next =True                        else:                            s = s[:i] +convert(s) + s[i+1:]                            break             # You canuncomment the next line to see all k-mers.            # print(s)            print("Number ofgenerated k-mers: {}".format(counter))            print("Finish!")
运行Python代码,生成全部13-mers共6700万个大约需要61.23秒。为了公平比较,我注释掉了显示k-mers的行。如果想在生成k-mers时显示它们,也可以取消对这两行的注释。注意,显示全部k-mers耗时很长。如有需要,请操作CTRL+C中止代码。

现在,来看看C++中同样的算法:

#include<iostream>           #include<string>             usingnamespacestd;             charconvert(char c)           {              if (c == 'A') return'C';              if (c == 'C') return'G';              if (c == 'G') return'T';              if (c == 'T') return'A';              return' ';           }             intmain()           {              cout << "Start" << endl;                 string opt = "ACGT";              string s = "";              string s_last = "";              int len_str = 13;              bool change_next;                 for (int i=0; i<len_str;i++)              {                   s += opt[0];              }                 for (int i=0; i<len_str;i++)              {                   s_last += opt.back();              }                 int pos = 0;              int counter = 1;              while (s != s_last)              {                     counter ++;                   // You canuncomment the next line to see all k-mers.                   // cout << s<< endl;                    change_next = true;                   for (int i=0; i<len_str;i++)                   {                       if (change_next)                       {                           if (s == opt.back())                           {                               s = convert(s);                               change_next = true;                           } else {                               s = convert(s);                               break;                           }                       }                   }              }                 // You can uncomment the next line tosee all k-mers.              // cout << s << endl;              cout << "Number of generated k-mers: " <<counter << endl;              cout << "Finish!" << endl;              return0;           }
编译后,运行C++代码,生成全部13-mers共6700万个大约需要2.42秒。这意味着运行相同算法,Python用时是C++的25倍多。然后,对14-mers和15-mers重复进行此实验。汇总结果如下表所示:

比较生成13-、14-和15-mers的Python和C++运行结果。



显然,C++比Python快得多。对于大多数程序员和数据科学家而言,这是共识。但该示例表明,这种差异十分显著。

本示例并没有使用CPU或GPU并行化,因其必须针对相应类型的问题(密集并行难题)进行。此外,示例也没有大量涉及内存。如果将运行结果进行存储(出于某些特定原因),那么使用内存管理在运行C++和Python时,将产生更显著的差异。

此示例和数以千计的其他事实表明,在处理大量数据或指数增长的过程中,身为数据科学家,你应该了解C++类语言。


路过

雷人

握手

鲜花

鸡蛋

相关阅读

最新评论

热门文章

QQ|免责声明|本站介绍|工控课堂 ( 沪ICP备20008691号-1 || 沪公网安备 31010602005455号 )|网站地图

GMT+8, 2021-2-17 21:37 , Processed in 0.080637 second(s), 44 queries .

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

返回顶部