另外，python在底层设计上，也表现出很强的实用主义倾向。这是比较外交术语的词汇，更加直白的说法应当是，混乱，不知所谓。在闭包设计上采用free variable设计，而不是lisp中的environs设计。区别？你试试看在外层闭包中from lib import *。由于引入不定个数名称，free variable无法处理。类似的问题还有LEGB规则，新手往往要花很长时间研究这个例子究竟是怎么错的： a = 1 def f(): print a a = 2 我勒个去，这种反直观反人类的事情都有，还敢说自己易读。
还有坑爹的元编程，这东西根本是坑爹中的坑爹货。如果你用过多重继承，大概就知道python的整个OO系统看起来根本是大型的仿真，到处都是乱糟糟的。C++怎么解决多重继承的？你最好别用（真心说，这可比python更加坑爹）。java怎么解决多重继承的，只能继承Interface。其实这是变相的变成了Interface-Implement模式。python怎么解决的？MRO！为什麽一个类加个__metaclass__就会改变性质啊，为什麽一个类去生成另一个类的写法是——我基本不记得了，反正web.py里面有用到，需要的话去炒栗子吧。为什麽方法要隐藏居然要改名字加__啊。你到底是在做OO还是在看起来像OO的东西上狂打补丁啊魂淡。
lambda表达式弱智。我和人讨论过，lambda是否是图灵完备的。结论还是完备的，不过需要借助Y combinator。何必呢？由于强调lambda的快速特性，因此将lambda强制在一行以内（没有结束标记），导致python其实是没有匿名函数的。一个callback数组写的难过死。
语法糖太多了点，当然，这是纯粹的个人感觉。语法糖是把双刃剑，用的好，可以简化编写和阅读，但是太多，往往容易引入语法混乱和额外的约束。
另外，语言的自构建特性混乱。虽说不是每门语言都强调自构建特性，但是通常而言，都是使用C实现一个内核，由内核实现一些基础操作。再由基础操作实现更复杂的操作。每层的边界都是比较清晰的。谁来告诉我，python中有多少库在移植时是由纯python实现的？库的相互依赖层级是？
python的沙盒化也是个问题，如果沙盒做的够好，我完全可以把python作为一个客户级别的平台。用C写一个很简单的类似浏览器的东西，下载一个URL的python包回去运行（或者仅仅检查更新）。从而保证本地效果/跨平台/安全性。现在？一个都保证不了。我连把一个python包转移到另一台同构设备上都很麻烦（如果两者不是严格匹配，例如系统差异，系统版本差异）无论是web开发还是移动终端开发都必须走传统模式。
python的性能要从几个方面看，如果只看标准版的语言实现本身，性能可以说是很差的，因为动态语言本身就决定了很多东西要运行时检查，并且标准版没有对字节码做jit等优化，等于是直接解释不过，由于python很多基础库是用C实现，如果库执行比例较大，速度还是可以接受，典型例子是python的高精度计算，long类型是C语言实现，而jre中java的BigInteger是用java自己实现，因此高密度的高精度计算python还要快些，因此很多系统采用核心用C改写的方式，和python结合使用，根据二八定律，只需改写较少的模块就能较大提高效率
当然，也可以直接用pypy等jit解释器，效率也能提高不少，虽然和静态类型语言还是有差距
最后说明一点的是，效率问题在计算比较密集的时候才体现性能瓶颈，有些网站虽然看上去业务很大，但业务本身可能不是很复杂，访问量也并不是特别高，这个也可以估算一下
python性能差具体原因如下：1、python是动态语言
一个变量所指向对象的类型在运行时才确定，编译器做不了任何预测，也就无从优化。
2、python是解释执行，但是不支持JIT（just in time compiler）。虽然大名鼎鼎的google曾经尝试Unladen Swallow 这个项目，但最终也折了。
3、python中一切都是对象，每个对象都需要维护引用计数，增加了额外的工作。
4、python GIL
GIL是Python最为诟病的一点，因为GIL，python中的多线程并不能真正的并发。
5、垃圾回收，这个可能是所有具有垃圾回收的编程语言的通病。
python采用标记和分代的垃圾回收策略，每次垃圾回收的时候都会中断正在执行的程序，造成所谓的顿卡。
