你也可以考虑一种混合的方法。Python通常更容易和更快地开发，特别是对于用户界面，输入/输出等。
对于某些数学运算，C当然应该更快（尽管如果你的问题可以用向量运算或线性代数来表述，那么numpy提供了一个非常有效的向量操作的python接口）。
Python很容易用Cython，Swig，Boost Python等扩展，所以一个策略是用Python编写程序的所有簿记类型部分，只用C编写计算代码。

我想可以肯定地说C更快，因为它是一种编译语言，这意味着只有你的代码在运行，而不是像Python那样是一个解释器。
用python写非常快的代码，用C写非常慢的代码是可能的。所以你必须明智地用任何语言编程！
另一个优点是C是类型安全的，这将帮助你编写你真正想要的程序。
在某些情况下，C的缺点是类型安全，这将导致设计开销。例如，你必须考虑（可能是漫长而艰难的）函数和类接口。
我喜欢python有很多原因，所以不要把这理解为反对python。

这完全取决于更快是“执行速度更快”还是“开发速度更快”。总体而言，python的开发速度更快，c++的执行速度更快。（算术），它有全精度整数，它有很多外部工具（numpy，pylab...）我的建议是先用python，如果你有性能问题，再切换到cpp（或者使用混合方法，从Python使用cpp编写的外部库）
没有好的答案，这完全取决于你在研究/微积分方面想做什么

不用说C对于密集的数值计算会更快。然而，有很多预先存在的库（用C/C/Haskell等编写的），带有Python Package 器-利用Python的便利性并让现有的库承载负载会更方便。
一个综合系统是http://www.sagemath.org，一个相当有趣的链接是它在http://sagemath.org/links-components.html上使用的组件。
根据我的经验，一个具有numpy/scipy和pandas的系统通常足以满足大多数情况。

使用你更喜欢的一个（你应该更喜欢python：））。
在这两种情况下，任何数学密集型计算都应该由现有的库执行-这些库与语言无关（通常使用BLAS / LAPACK来执行实际的数学）。如果您选择使用python，请使用numpy进行计算。
编辑：从你的评论来看，似乎你非常关心你的程序的速度，要确定高级Python代码浪费了多少时间，唯一的方法就是对你的程序进行剖析（例如，使用带有run -p的ipython）。
在大多数情况下，你会发现高层次的东西占用了总运行时间的10%，因此从python切换到C++只会提高10%的时间，总的运行时间可能会增加5%。

我真的怀疑Google和斯坦福大学不懂C++。
“一般来说更快”不仅仅是语言。算法可以建立或破坏一个解决方案，无论它是用什么语言编写的。用C++编写的一个糟糕的选择，如果Java或Python做出更好的算法选择，就会被击败。
例如，一个内存中的单CPU线性代数库将被一个正确完成的并行化版本打开。
隐式算法实际上可能比显式算法慢，尽管有时间步长稳定性的限制，因为后者不必求逆矩阵。这对于双曲型偏微分方程通常是正确的。
你不应该关心“一般更快”。你应该深入研究你试图解决的问题和解决它的算法。这样你会比盲目的语言选择做得更好。

我会选择运行在Java平台上的Python。这种方法是在DataMelt program中实现的。从Python调用Java库的算法可以更快，因为JVM为您优化了代码。