本文轉載自公眾號“讀芯術”(ID：AI_Discovery)。

對于數(shù)據(jù)科學家而言，熱愛Python的理由數(shù)不勝數(shù)。但你是否也曾問過這樣的問題：Python和C或C++等更專業(yè)的低級編程語言究竟有何不同呢?我想這是很多數(shù)據(jù)科學家或者Python用戶曾經(jīng)問過或者將來會問自己的問題。

Python和C++類語言之間存在許多區(qū)別，本文將通過一個十分簡單的例子向你展示，與Python相比，C++究竟有多快。

[[376429]]

為了說明這種區(qū)別，本文選擇一個簡單實用而非想象虛構的任務：生成固定值為“k”的所有可能DNA k-mers。選擇該示例，是因為與基因組相關的許多數(shù)據(jù)處理和任務分析(例如k-mers生成)都是計算密集型的，而這同樣也是很多生物信息學領域的數(shù)據(jù)科學家對C++感興趣的原因。

請注意，本文目標并不是以最有效的方式比較C++和Python。這兩種代碼均可采用更高效的方式和更優(yōu)化的方法編寫。本文的唯一目標，就是比較這兩種語言在使用完全相同的算法和指令時的速度。

DNA K-mers簡介

DNA是一種稱為核苷酸的長鏈單位。在DNA中，共有4種核苷酸類型，分別用字母A、C、G和T表示。人類(更準確地說是智人)擁有核苷酸對30億個。例如，人類DNA的一小部分可能類似于：

ACTAGGGATCATGAAGATAATGTTGGTGTTTGTATGGTTTTCAGACAATT

在此示例中，如果從該字符串中選擇任意4個連續(xù)的核苷酸(即字母)，它將是一個長度為4的k-mer(可稱之為4-mer)。以下便是從此示例中衍生出來的一些4-mers例子：ACTA，CTAG，TAGG，AGGG，GGGA等。

難點挑戰(zhàn)

本文以生成所有可能的13-mers為例，從數(shù)學上講，這是一個帶有替換的排列問題。因此，共有4¹³個(67108864)可能的13-mers。下面將使用一個簡單的算法在C++和Python中生成結果。

方案比較

為了方便比較C++和Python在此特定挑戰(zhàn)中的優(yōu)劣，我在兩種語言中使用了完全相同的算法。這兩種代碼均有意設計地簡單而相似。同時，避免使用復雜的數(shù)據(jù)結構或第三方包或庫。第一段代碼采用Python編寫。

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[i] == opt[-1]): 
                            ss = s[:i] +convert(s[i]) + s[i+1:] 
                            change_next =True 
                        else: 
                            ss = s[:i] +convert(s[i]) + 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!") 

運行Python代碼，生成全部13-mers共6700萬個大約需要61.23秒。為了公平比較，我注釋掉了顯示k-mers的行。如果想在生成k-mers時顯示它們，也可以取消對這兩行的注釋。注意，顯示全部k-mers耗時很長。如有需要，請操作CTRL+C中止代碼。

現(xiàn)在，來看看C++中同樣的算法：

#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[i] == opt.back()) 
                           { 
                               s[i] = convert(s[i]); 
                               change_next = true; 
                           } else { 
                               s[i] = convert(s[i]); 
                               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; 
           } 

編譯后，運行C++代碼，生成全部13-mers共6700萬個大約需要2.42秒。這意味著運行相同算法，Python用時是C++的25倍多。然后，對14-mers和15-mers重復進行此實驗。匯總結果如下表所示：

比較生成13-、14-和15-mers的Python和C++運行結果。

顯然，C++比Python快得多。對于大多數(shù)程序員和數(shù)據(jù)科學家而言，這是共識。但該示例表明，這種差異十分顯著。

本示例并沒有使用CPU或GPU并行化，因其必須針對相應類型的問題(密集并行難題)進行。此外，示例也沒有大量涉及內存。如果將運行結果進行存儲(出于某些特定原因)，那么使用內存管理在運行C++和Python時，將產生更顯著的差異。

此示例和數(shù)以千計的其他事實表明，在處理大量數(shù)據(jù)或指數(shù)增長的過程中，身為數(shù)據(jù)科學家，你應該了解C++類語言。