Хотя система наследования Python имеет важное значение для организации кода, ее влияние на производительность часто игнорируется. В этом исследовании рассматривается стоимость наследования от многих классов путем количественной оценки влияния на время доступа атрибутов. Обширное тестирование показывает, что в производительности поиска существуют некоторые аномалии и что замедление не совсем linear . Разработчики, работающие над крупномасштабными приложениями, должны знать об этих моделях, потому что глубокое наследство может вызывать непредвиденные трудности. Производительность может быть улучшена, и эти проблемы могут быть уменьшены с использованием альтернативных стратегий, таких как композиция и оптимизированное хранение атрибутов.

Динамическое наследование Python обеспечивает плавную совместимость процессоров и графических процессоров. Разработчики могут упростить обработку массивов, используя такие инструменты, как NumPy и CuPy, а также эффективные методы, такие как get_array_module. Этот метод экономит время и деньги за счет снижения сложности и гарантии превосходной производительности в аппаратных средах.