试图了解python库是否被编译，因为我想知道我编写的解释代码是否会执行相同或更差。
例如我在某处看到它提到 numpy 和 scipy 是有效的，因为它们是编译的。我不认为这意味着编译的字节码那么这是如何完成的？它是使用 cython 之类的东西编译成 c 的吗？还是它是使用类似 c 的语言编写并以兼容的方式编译的？
这适用于所有模块还是根据具体情况？
【问题讨论】：
标签： python numpy compilation
NumPy 和其他几个库是用 C 和其他语言（如 FORTRAN）编写的代码的部分包装器，编译后运行速度比 Python 快。这有助于避免 Python 中的循环、指针间接和每元素动态类型检查的成本。这在this question 中有解释：
Numpy 数组是同构类型的密集排列的数组。相比之下，Python 列表是指向对象的指针数组，即使它们都属于同一类型。因此，您可以获得参考位置的好处。
此外，许多 Numpy 操作是在 C 中实现的，避免了 Python 中循环、指针间接和每个元素的动态类型检查的一般成本。速度提升取决于您正在执行的操作，但几个数量级在数字运算程序中并不少见。
编译为字节码（.pyc 文件）的 Python 代码是一个单独的主题，其中编译 Python 脚本以提高启动性能（请参阅this question）。
【讨论】：
Python 可以执行用 Python 编写的函数（解释）和编译的函数。有关于编写与 Python 集成的代码的完整 API 文档。 cython 是执行此操作的更简单工具之一。
库可以是任意组合 - 纯 Python、Python 加上编译代码的接口，或者全部编译。解释文件以.py 结尾，编译后的文件通常是.so 或.dll（取决于操作系统）。安装纯 Python 代码很容易——只需加载、解压缩（如果需要）并放置正确的目录。混合代码需要一个编译步骤（因此需要一个 c 编译器等），或者下载带有二进制文件的版本。
通常情况下，开发人员会在 Python 中编写代码，然后在 c 中重写对速度敏感的部分。或者他们找到一些外部库的工作 c 或 Fortran 代码，并链接到那个。
numpy 和 scipy 混合使用。他们有很多 Python 代码、核心编译部分，并使用外部库。而c 代码可能非常难以阅读。
作为numpy 用户，您应该首先尝试使用 Python 代码获得尽可能高的清晰度和性能。大多数优化 SO 问题都讨论了使用 numpy 的已编译功能的方法 - 所有在整个数组上工作的操作。只有当您无法用高效的 numpy 代码表达您的操作时，您才需要使用像 cython 或 numba 这样的工具。
一般来说，如果您必须进行大量迭代，那么您使用的是低级操作。要么用数组操作替换循环，要么用 cython 重写循环。
【讨论】：
@hpaulj 和@jeevcat 的答案是正确的。
但Python是否被编译的故事更复杂。
首先，确实写得好的C++代码比写得好的 Python代码快得多。而且编译后的代码一般可以加快计算速度。
但原因不是因为代码被编译，本身。这是因为这些编译语言通常也是低级语言，可以让您直接操作内存、避免垃圾收集等。此外，允许 Python 动态性和简单性，一切都是对象。因此，例如，Python 列表是一个对象，其中包含对“分散”在整个内存中的其他对象的引用列表。这（显然）比列表中所有值彼此相邻的内存块的计算效率低。
而且，正如其他人所提到的，Python 代码只是调用（对话）这个其他更高效的 C 代码。
但是还有一个更有趣的问题。 Python 是否已编译？一些人可能会无意中声称它没有被编译。严格来说，这不是真的。任何时候您导入一个包或模块，如果它还没有被编译，它将被不可见地编译并保存。 （您可能甚至不会注意到任何编译发生。）
您可以看到这种情况：任何.pyc 文件（以.pyc 而不是.py 结尾的文件）都是编译后的Python 文件。尝试在编辑器中或通过cat 打开.pyc 文件。你会看到它是一个二进制文件，看起来像乱码。
如何创建编译好的 Python 代码？
假设您有以下文件夹结构：
❯ tree -L 1
.
├── __pypackages__ # This is a folder, the rest are files
├── addressbook.proto
├── addressbook_pb2.py
├── pdm.lock
├── protobuf-python-3.17.3.tar.gz
├── pyproject.toml
└── readme.txt
（以上结构包含 Python Google Protocol Buffer 示例，使用现代 PDM package manager 结构。）
我们可以看到唯一的 Python 模块（文件）是 addressbook_pb2。所以，让我们导入那个文件：
❯ python
Python 3.9.7 (default, Oct 13 2021, 06:45:31)
[Clang 13.0.0 (clang-1300.0.29.3)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import addressbook_pb2
>>> [exit out of Python]
❯
除了快速导入文件（模块）addressbook_pb2.py，我什么也没做。但只是这个简单的导入创建了一个名为__pycache__ 的完整“已编译代码文件夹”，其中包含已编译模块：
❯ tree -L 1
.
├── __pypackages__
├── __pycache__ # This is the folder that was auto-generated
├── addressbook.proto
├── addressbook_pb2.py
├── pdm.lock
├── protobuf-python-3.17.3.tar.gz
├── pyproject.toml
└── readme.txt
现在我们来看看 __pycache__ 文件夹中有什么：
❯ ll __pycache__ # `ll` is my shortcut for `ls -al`, it's a common shortcut
total 8
drwxr-xr-x 3 mikewilliamson staff 96B Oct 30 21:43 .
drwxr-xr-x 34 mikewilliamson staff 1.1K Oct 30 21:43 ..
-rw-r--r-- 1 mikewilliamson staff 3.2K Oct 30 21:43 addressbook_pb2.cpython-39.pyc
❯
请注意文件addressbook_pb2.cpython-39.pyc 在那里。词干是模块的名称 (addressbook_pb2)。但它也有 .cpython-39.pyc 扩展名。这告诉我们一些事情：
.pyc 结尾的意思cpython-39编译的，意思是它是Python（最普遍的）版本3.9的CPython“风味”。【讨论】：