这就要说到 Python 类语言和 C 类语言的主要区别了，Python 属于解释型语言，通俗来说就是你可以一句一句地输入，而 Python 解释器（Interpreter）可以一句一句地执行，而 C 语言属于编译型语言，无法做到这一点，只能一次性输入完成，编译成一个完整的程序再执行，而这个编译的过程由于现代编译器做了非常多的优化，并且你的程序没有输入只有输出，每次运行都出固定的结果，所以极有可能被编译器优化成为了只有一条输出语句（实际情况可能要复杂一些），总的来说就是由于二者之间原理的差异导致了性能的差异，你可以搜一搜相关的资料，关掉 C 语言编译时的优化，再看一下性能，或者将固定的那些值改为运行时需要输入再看一下效果。
站在用户的角度思考问题，与客户深入沟通，找到宾川网站设计与宾川网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：成都网站制作、做网站、企业官网、英文网站、手机端网站、网站推广、空间域名、网页空间、企业邮箱。业务覆盖宾川地区。
Python 相较于 C 的优势有很多，性能这一方面你不需要关心，做出一个足够复杂的程序，它们之间运行效率差不了多少的。
time.sleep() 函数命名来源于英文单词time(时间)和sleep(睡眠)。
time 是python带的非内置库，使用时需要import,主要用于处理和时间相关的操作。
time.sleep用于给定时间内挂起(等待)当前线程的执行。
time.sleep() 函数的例子：
可以注释掉time.sleep(2)再运行一次对比一下
可以看到虽然都是打印出一样的结果，但time.sleep()加入了等待时间
这里还要解释一下python中线程与进程的区别。
举个例子，厨房做菜看成是一个进程，那么这个进程下面就可能有多个人或一个人（cpu基本执行单元，即线程）来执行，多个人可以分别洗菜，刷碗，摆盘等等同时作业，他们又是共享这个厨房的资源的。每个人存在一定的资源竞争关系，比如炉火只有1个。
这里time.sleep是针对线程执行的，也就是其中一个人去sleep睡觉了，不影响其他人的继续工作。
参数
该函数没有返回值。
结果类似如下：
可以看到秒数相差了5
无
time.sleep()常用于推迟执行的场景
在python中，与时间相关的模块有：time，datetime以及calendar
对基础运行环境有疑问的，推荐参考: python函数深入浅出 0.基础篇
因为程序陷入死循环了，while x 0: 而你输入的x始终是大于0的，就会一直持续不断的运行下去，进而占用系统资源了。原因在于，你没有终止while循环的条件，修改如下
def my_abs(a, x= 2):
s= 1;
while x 0:
s= s*a;
x = x-1 # 每循环一次x就减1，这样一旦x=0就终止循环了
return s
print(my_abs(4,3))
yxhtest7772017-07-18
关注
分享
 697  2
python运行速度慢怎么办？6个Python性能优化技巧

Python是一门非常酷的语言，因为很少的Python代码可以在短时间内做很多事情，并且，Python很容易就能支持多任务和多重处理。
Python的批评者声称Python性能低效、执行缓慢，但实际上并非如此：尝试以下6个小技巧，可以加快Python应用程序。
关键代码可以依赖于扩展包
Python使许多编程任务变得简单，但是对于很关键的任务并不总是提供最好的性能。使用C、C++或者机器语言扩展包来执行关键任务能极大改善性能。这些包是依赖于平台的，也就是说，你必须使用特定的、与你使用的平台相关的包。简而言之,该解决方案提供了一些应用程序的可移植性,以换取性能,您可以获得只有通过直接向底层主机编程。
下面这些扩展包你可以考虑添加到你的个人扩展库中：
Cython
PyInlne
PyPy
Pyrex
这些包有不同的作用和执行方式。例如，Pyrex 让Python处理一些内存任务变得简单高效；PyInline可以直接让你在Python应用程序中使用C代码，虽然内联代码被单独编译，但是如果你能高效的利用C代码，它可以在同一个地方处理每一件事情。
使用关键字排序
有很多古老的Python代码在执行时将花费额外的时间去创建一个自定义的排序函数。最好的排序方式是使用关键字和默认的sort()方法。
优化循环
每一种编程语言都强调循环语句的优化，Python也是一样的。尽管你可以依赖于丰富的技术让循环运行的更快，然而，开发者经常忽略的一个方法是避免在循环内部使用点拼接字符串。
使用新版本
任何一个在线上搜索Python资料的人都会发现无数关于Python版本迁移的信息。通常，Python每一个版本都针对之前的一个版本做了优化和改进，以让Python运行的更快。限制因素是你喜欢的函数库是否也针对Python的新版本做了改进。
当你使用了新的函数库，获得了Python的新版本，你需要保证代码依然能够运行，检查应用，修正差异。然后，如果你仅仅是
