昨天为了求加权后的集聚系数用R写了段代码，效率实在是不敢恭维，于是我进行了一些测试，希望能有所启发。MATLAB写这篇评论时才想到添加进来做对比的，添加的理由很简单，MATLAB与R都是重要的数据挖掘工具。然后对比了通用脚本语言Python，这个对比理由很简单，他们都是脚本类语言。最后就是与通用语言C的比较，是为了引入比较的基准。
问题
(来自复杂网络)对表示为有权邻接矩阵A的图求其加权集聚系数。
形式化描述
其中，cw(i)为结点i的加权集聚系数，si是结点强度即
，ki是结点度，aij是A第i行j列的元素。
数据详情
结点数量为576，边数达到完全图的75%。5763＝191102976，2亿运算级，复杂程度并不高(现在的CPU主频都在2G以上)。
注：在这里用矩阵做是因为R里面用矩阵运算很方便，并且这里问题规模并不大。
实验
分别用四种语言(代码见附录)对上面的问题进行了求解，公平起见只计算了三重循环部分的耗时。实验结果差别很大很大，C语言只用了“瞬间”就完成了，Python大概是其它两种脚本速度的10倍。本以为Matlab会很快，想不到与R一样，都需要让人无法等待的时间，下面列举的Matlab和R的时间表示计算一个结点的加权集聚系数所需要的时间，虽然每一次需要的时间是浮动的，但是都是在4附近。
运行时间一览
语言
语言
C
Python
Matlab
R
耗时(秒)
2
246
>4*576
>4*576
小结
通过实际计时表明，Matlab和R这样的专一脚本，不适合做复杂度高的脚本编程(比如矩阵相乘用Matlab和R写，效率显然要比调用它们的内置模块慢好几个数量级)通用语言。这样看来，对于复杂的模块，写调用的C接口还是很有必要的。
测试数据及代码(skydrive，点击)
2012.5.11日更新
刘凯写了一份java的代码放到了测试中，结果令人很惊讶，java的平均表现为1.7。然后我对C的计时器进行了细化，采用了亳秒级别的，C大致在2.3左右。这个确实能说明一些问题，优化！不同的优化使得代码在有些方面会比较擅长！同理，Python，Matlab中的特定优化过的模块不一定会比Java差。在这里，java是没有理由比C更快的，不就是有针对性的优化吗？C(gcc)也是可以的，在开启了-O3优化选项后，C的执行时间降到了1.4左右(在这里没有做严格的统计，比如运行多少次，方差什么的，目测影响很小，有兴趣可以做严格实验)。再列一份最终统计表：
