為什麼Python程序不怎麼佔用CPU資源？

01-12

只是個人感覺，寫一些computationally intense的代碼，C++的版本很快，而Python的版本會慢得多。但是比較奇怪的一點在於，Python版本一般不會佔用全部CPU資源，而C++的就是100%，有沒有什麼辦法讓Python code更有效地調用CPU資源？（在Python框架內，不考慮Cython或者Python-C API）

python要想佔滿cpu，不用c擴展的話，就只能搞多進程了。對於需要線程間大量交換數據、適合共享內存的那種計算密集型問題。。。還是放棄python比較明智。當然，很多data-parallel型的數值計算問題，沒必要放棄python寫c擴展，可以考慮numba/theano/numexpr等優化工具。

多用numpy…

早期Python由於GIL原因，不能多線程運算，因此一直以來純Python的模塊很少會有。而C/C++的大多數庫很早就做了多線程。現在Python 2.6以後版本都有了multiprocess模塊，可以多進程，但一般很少有人自己寫多進程……

解決方法有：調支持多線程的模塊；c/c++混合編程；多線程跑；重寫程序。

另外python在循環遍歷之類的操作中速度比較慘，推薦盡量減少循環（用更pythonic的方法實現）或者混合

看癥狀，題主最大的可能是C++版本可能在內部某處調用了多線程，Python在有GIL的情況下，最多也就只能佔滿一核，所以才會有怎麼跑不滿的疑問

上面的答案都說的很好了，要佔滿內核請上cython，捎上nogil：

Search Results · GitHub

這是我用 matplotlib 畫最近全部股票走勢時候的任務截圖。

python有一個全局鎖，一個pyhton程序無論何時只能佔用一個cpu，當然，在這個cpu上，你是可以跑滿100%的，對於現在的多cpu系統，想要充分利用cpu資源，你只能選擇使用多進程技術(多線程也不行哦)。提速的方法有很多，比如編寫c擴張，使用pypy編譯器，還有優化代碼結構等等。

我覺得不佔CPU的都是在IO。

正確的解決方法就是，純計算的問題就應該用C++來寫，然後你好好學習如何將任意兩種編程語言互相打通，以後就再也不會思考這個無聊的問題了。

我一不小心看成了程序員怎麼不吃cpu_(:_」∠)_對不起問主

Python本來就是用來做Casual Work的。要不是大多數CLI Shell的編程語法不夠現代，Python還不如那些Shell呢（人家好歹不會搞個版本大分裂）

不吃CPU，你和的程序有關。。。

還有你需要看這個https://wiki.python.org/moin/GlobalInterpreterLock

C++佔用了100%CPU，你確定程序寫對了？

為什麼不用multiprocessing么？

其實不用一定要用cpu的，如果你的運算含有大量矩陣運算，那麼用gnumpy(沒錯就是這麼寫的不要糾正我)，然後你就可以體驗飛一般的感覺了

計算密集型任務的特點是要進行大量的計算，消耗CPU資源。計算密集型任務雖然可以用多任務完成，但是任務越多，花在任務切換的時間就越多，CPU執行任務的效率就越低。

計算密集型任務由於主要消耗CPU資源，因此，代碼運行效率至關重要。Python這樣的腳本語言運行效率很低，完全不適合計算密集型任務。

Python解釋器由於設計時有GIL全局鎖，導致了多線程無法利用多核。所以多線程的Python程序很難佔滿CPU資源，多進程的話效率又不高，所以說對於計算密集型任務，最好用C/C++編寫。

推薦兩個最常用的package

Numpy - NumPy

Pandas - Python Data Analysis Library

基本上常用的數量運算都可以用這兩個庫pythonic的實現，由於這兩個庫的底層是c/c++所以效率也非常高。

把優先順序設高，綁定CPU