GIL 全局锁，不能充分利用多核 CPU。只能通过多进程或者其他并发模型来处理。
没有类型检查。可能出现运行时错误。
尽管 Python 是一种非常流行且功能强大的编程语言，它也有一些局限性和缺点。了解这些可以帮助开发者更好地选择合适的工具和技术栈来满足项目需求。以下是一些 Python 的局限性：
-
执行速度：
- Python 是一种解释型语言，在执行时需要逐行解释，因此通常比编译型语言（如 C 或 C++）慢。虽然有像 PyPy 这样的 JIT（Just-In-Time）编译器可以提高性能，但对于计算密集型应用来说，Python 可能不是最佳选择。
-
多线程限制：
- 由于全局解释器锁（Global Interpreter Lock, GIL）的存在，Python 在同一时刻只能在一个线程上执行字节码。这意味着在 CPU 密集型任务上，多线程并不能显著提升程序性能。不过，对于 I/O 密集型任务或多核处理，可以通过多进程或其他并发模型（如异步 IO/协程）来克服这一限制。
-
移动开发限制：
- 尽管 Python 在服务器端和桌面应用程序开发方面表现出色，但在移动应用开发领域，它不如原生开发语言（如 Swift 和 Kotlin）那样流行。虽然有 Kivy 和 BeeWare 这样的框架支持跨平台移动应用开发，但它们还不足以与原生开发相媲美。
-
内存消耗：
- Python 对内存的使用相对较高，尤其是对于简单的数据类型。每个 Python 对象都有一个额外的开销，包括对象类型、引用计数等信息。对于大规模的数据处理任务，这种内存开销可能会成为一个问题。
-
静态类型缺乏：
- Python 是一种动态类型的语言，这意味着变量不需要显式声明类型。虽然 Python 3.6 引入了类型提示（Type Hints），但这仍然是可选的。对于大型项目来说，缺乏强制的类型检查可能会增加维护成本，并可能导致一些运行时错误。
-
不适合大型分布式系统：
- 虽然 Python 支持网络编程和并发处理，但它并不是构建大规模分布式系统的最佳选择。相比之下，Java、Scala 或 Go 更适合此类任务。
-
社区和库的支持：
- 尽管 Python 拥有一个庞大而活跃的社区，以及大量的第三方库，但在某些专业领域或新兴技术方面，Python 的库支持可能不如其他语言那样成熟或全面。