只是个人感觉，写一些computationally intense的代码，C++的版本很快，而Python的版本会慢得多。但是比较奇怪的一点在于，Python版本一般不会占用全部CPU资源，而C++的就是100%，有没有什么办法让Python code更有效地调用CPU资源？（在Python框架内，不考虑Cython或者Python-C API）
回复内容：
正确的解决方法就是，纯计算的问题就应该用C++来写，然后你好好学习如何将任意两种编程语言互相打通，以后就再也不会思考这个无聊的问题了。
这是我用 matplotlib 画最近全部股票走势时候的任务截图。
python要想占满cpu，不用c扩展的话，就只能搞多进程了。对于需要线程间大量交换数据、适合共享内存的那种计算密集型问题。。。还是放弃python比较明智。当然，很多data-parallel型的数值计算问题，没必要放弃python写c扩展，可以考虑numba/theano/numexpr等优化工具。
看症状，题主最大的可能是C++版本可能在内部某处调用了多线程，Python在有GIL的情况下，最多也就只能占满一核，所以才会有怎么跑不满的疑问
上面的答案都说的很好了，要占满内核请上cython，捎上nogil：
Search Results · GitHub
Python本来就是用来做Casual Work的。要不是大多数CLI Shell的编程语法不够现代，Python还不如那些Shell呢（人家好歹不会搞个版本大分裂）
我一不小心看成了程序员怎么不吃cpu_(:_」∠)_对不起问主
C++占用了100%CPU，你确定程序写对了？
多用numpy…
python有一个全局锁，一个pyhton程序无论何时只能占用一个cpu，当然，在这个cpu上，你是可以跑满100%的，对于现在的多cpu系统，想要充分利用cpu资源，你只能选择使用多进程技术(多线程也不行哦)。提速的方法有很多，比如编写c扩张，使用pypy编译器，还有优化代码结构等等。
为什么不用multiprocessing么？
python要想占满cpu，不用c扩展的话，就只能搞多进程了。对于需要线程间大量交换数据、适合共享内存的那种计算密集型问题。。。还是放弃python比较明智。当然，很多data-parallel型的数值计算问题，没必要放弃python写c扩展，可以考虑numba/theano/numexpr等优化工具。
看症状，题主最大的可能是C++版本可能在内部某处调用了多线程，Python在有GIL的情况下，最多也就只能占满一核，所以才会有怎么跑不满的疑问
