如果你對這些過程感興趣，可以看看我之前寫的文章：
6分鐘修改Python語言：https://hackernoon.com/modifying-the-python-language-in-7-minutes-b94b0a99ce14
這個過程的重點就是它會在編譯階段生成.pyc文件，字節碼會寫到__pycache__/下的文件中（如果是Python 3），或者寫到與源代碼同一個目錄中（Python 2）。不僅你編寫的腳本是這樣，所有你導入的代碼都是這樣，包括第三方模塊。
因此絕大多數情況下（除非你寫的代碼只會運行一次），Python是在解釋字節碼並在本地執行。與Java和C#.NET比較一下：
Java將源代碼編譯成“中間語言”，然後Java虛擬機讀取字節碼並即時編譯成機器碼。.NET CIL也是一樣的，.NET的公共語言運行時（CLR）使用即時編譯將字節碼編譯成機器碼。
那麼，既然它們都使用虛擬機，以及某種字節碼，為什麼Python在性能測試中比Java和C#慢那麼多？第一個原因是，.NET和Java是即時編譯的（JIT）。
即時編譯，即JIT（Just-in-time），需要一種中間語言，將代碼分割成小塊（或者稱幀）。而提前編譯（Ahead of Time，簡稱AOT）是編譯器把源代碼翻譯成CPU能理解的代碼之後再執行。
JIT本身並不能讓執行更快，因為它執行的是同樣的字節碼序列。但是，JIT可以在運行時做出優化。好的GIT優化器能找到應用程序中執行最多的部分，稱為“熱點”。然後對那些字節碼進行優化，將它們替換成效率更高的代碼。
這就是說，如果你的應用程序會反覆做某件事情，那麼速度就會快很多。此外，別忘了Java和C#都是強類型語言，所以優化器可以對代碼做更多的假設。
前面說過，PyPy有個JIT，因此它比CPython要快很多。下面這篇性能測試的文章介紹得更詳細：
哪個版本的Python最快？https://hackernoon.com/which-is-the-fastest-version-of-python-2ae7c61a6b2b
那麼為什麼CPython不用JIT？
JIT也有缺點：首先就是啟動速度。CPython的啟動速度已經比較慢了，而PyPy的啟動速度要比CPython慢兩到三倍。Java虛擬機的啟動速度也是出了名的慢。.NET CLR在系統啟動時啟動，因此避免了這個問題，但這要歸功於CLR和操作系統是同一撥開發者開發的。
如果你有一個Python進程需要運行很長時間，而且代碼裡包含“熱點”可以被優化，那麼使用JIT就很不錯。
但是，CPython是個通用的實現。因此如果要用Python開發命令行程序，那麼每次都要等待JIT調用CLI就特別慢了。
CPython試圖滿足大部分情況下的需求。有一個在CPython中實現JIT（https://www.slideshare.net/AnthonyShaw5/pyjion-a-jit-extension-system-for-cpython）的項目，不過這個項目已經停止很久了。
如果你想要享受JIT的好處，並且要處理的任務適合JIT，那就使用PyPy。
“因為它是動態類型語言”
“靜態類型”語言要求必須在變量定義時指定其類型，例如C、C++、Java、C#和Go等。
而動態類型語言中儘管也有類型的概念，但變量的類型是動態的。
在這個例子中，Python用相同的名字和str類型定義了第二個變量，同時釋放了第一個a的實例佔用的內存。
靜態類型語言的設計目的並不是折磨人，這樣設計是因為CPU就是這樣工作的。如果任何操作最終都要轉化成簡單的二進制操作，那就需要將對象和類型都轉換成低級數據結構。
Python幫你做了這一切，只不過你從來沒有關心過，也不需要關心。
不需要定義類型並不是Python慢的原因。Python的設計可以讓你把一切都做成動態的。你可以在運行時替換對象的方法，可以在運行時給底層系統調用打補丁。幾乎一切都有可能。
而這種設計使得Python的優化變得很困難。
為了演示這個觀點，我使用了一個Mac OS下的系統調用跟蹤工具，叫做Dtrace。CPython的發佈並不支持DTrace，因此需要重新編譯CPython。演示中用的是Python 3.6.6：
現在Python.exe的代碼中包含了Dtrace的跟蹤代碼。Paul Ross有一篇非常好的關於DTrace的演講（https://github.com/paulross/dtrace-py#the-lightning-talk）。可以從這裡下載DTrace用於Python的文件（https://github.com/paulross/dtrace-py/tree/master/toolkit）用來測量函數調用、執行時間、CPU時間、系統調用以及各種函數等等。
py_callflow跟蹤器會顯示應用程序的所有函數調用。
那麼，Python的動態類型是否讓Python更慢？
比較並轉換類型的代價很大。每次讀取、寫入或引用變臉時都會檢查類型
動態類型的語言很難優化。許多替代Python的語言很快的原因就是它們犧牲了便利性來交換性能。
例如Cython（http://cython.org/），它通過結合C的靜態類型和Python的方式，使得代碼中的類型已知，從而優化代碼，能夠獲得84倍的性能提升（http://notes-on-cython.readthedocs.io/en/latest/std_dev.html）
結論
Python慢的主要原因是因為它的動態和多樣性。它能用於解決各種問題，但多數問題都有優化得更好和更快的解決方案。
但Python應用也有許多優化措施，如使用異步、理解性能測試工具，以及使用多解釋器等。
對於啟動時間不重要，而代碼可能享受到JIT的好處的應用，可以考慮使用PyPy。
對於代碼中性能很重要的部分，如果變量大多是靜態類型，可以考慮使用Cython。
閱讀更多 大科技最新鮮 的文章
