我知道有很多方法可以将C函数接口到python：thePython C API、scipy.weave、ctypes、pyrex/cython、SWIG、Boost.Python。他们每个人最适合做什么？为什么我应该使用给定的方法而不是其他方法？当我需要在python和c之间选择绑定时，应该考虑什么？
我知道一些讨论，但它们似乎都不完整…
Psyco
http://wiki.cython.org/SWIG
我知道关于stackoverflow的一些问题也是相关的。例如：
http://sage.math.washington.edu/tmp/sage-2.8.12.alpha0/doc/prog/node35.html
About interfacing an existing C library
最佳答案
我并没有使用所有这些方法，尽管我已经在某一点或另一点调查了它们…
python c-api：用于编写编译到可以在python中导入的python模块的C代码。或者编写一个python模块，作为“粘合”代码与一些C库进行接口。
weave：允许您将一些C代码插入到您的python代码中，如果您使用numpy和scipy来做数值工作，请查看这个。C代码将作为一个字符串，例如weave.inline（“printf（”%s，“foo”）。
ctypes：一个允许您从Python代码调用C代码的Python模块。基本上，导入共享库，然后调用它的API。一些工作需要整理这些电话中的数据。如果你想使用你或其他人写的现有C库，我就从这里开始。
pyrex/cython：允许您编写python代码（使用一些特殊的语法），这些代码将生成C代码（可以作为python模块导入），显然，运行速度比通过python解释器运行时要快。这有点像“python c-api”路由，只是它为您生成了C代码。如果您有一些代码块是您的瓶颈，并且速度非常慢，那么很有用。使用cython重写该函数并从调用代码导入它。
SWIG：为C/C++库生成包装代码。最后应该得到一个可以导入和使用的python模块。
巨蟒：这是我最不了解的。在我看来，虽然您自己编写包装层，但在Boost宏/函数的帮助下，它与Swig类似。
psyco：让你的python代码快一点，我从来没有这么幸运过。我不会浪费你的时间。分析您的代码，找到瓶颈并使用上面的技术之一加速它们。