其实如果是性能要求不高的应用的话，快慢表现得不会太明显。举个例子吧，原来大学期间毕设需要对多点之间路径选择顺序进行优化，查阅多方资料后决定使用蚁群算法选出最优路径。尴尬点就在这个蚁群算法里发生了。
首先用的10个坐标点模拟城市的位置，因为平时使用Python比较多一点也较为熟悉，所以首当其冲的选择了Python作为实现蚁群算法的编程语言，但是在第一次运行时差点就等睡着了。猜猜有多久，6分钟多，这就是效率(运行速度)的可怕之处。总不能在毕设答辩里让答辩老师等6分钟来选个最优路径，恐怕是要被挂呀。所以后来蚁群算法这一块使用c语言进行了优化，运算出结果不到1分钟。没有对比就没有伤害，经历了这件事后，我深深的体会到了Python执行效率的可怕之处。
但是作为一门简洁易懂的解释性语言，抛去了指针等复杂的内容，使开发者将更多的注意力集中于解决问题的方法或思路上，而不是编程语言的技术本身上。所以在这些优点的支撑下也可以原谅它的执行效率。
有可能有人有疑问为什么C语言、Java语言的执行效率都比Python高呢，其实这和一门语言的底层代码有关系。C语言是对汇编语言的二次开发，而Java大部分是对c和c++的二次开发，然而我们的Python则可以分为两种情况，一种是cpython,另一种是jpython分别是对c和Java的二次开发，所以效率低于这两种语言不言而喻的。原来看到消息称，为解决Python的效率问题，官方打算重新开发Python的底层代码，最近也没有看到相关消息，毕竟这个工作量非常巨大。
