Python (lenguaje de programación)

Las propuestas de mejora de Python ^{[ nota 1 ]} son ​​documentos de diseño que proporcionan información a la comunidad de Python o proponen nuevas características para Python. ^{[ 85 ]} Las PEP tienen como objetivo explicar nuevos procesos en Python, proporcionar convenciones de nomenclatura o documentar los procesos en el lenguaje. ^{[ 86 ]} Las PEP son supervisadas por el Consejo Directivo de Python. ^{[ 86 ]}

Hay 3 tipos de PEP, que son PEP de seguimiento de estándares ^{[ nota 2 ]} , PEP informativos ^{[ nota 3 ]} y PEP de proceso ^{[ nota 4 ]} , cada uno con su propio significado. ^{[ 85 ] [ 87 ]} Se introdujeron por primera vez en 2000, inspirados en otras RfC (solicitudes de comentarios) y Propuestas de mejora de diseño. ^{[ 87 ]} Los PEP más conocidos son PEP - 1, PEP - 8, PEP - 20 , PEP - 257 y otros. ^{[ 87 ]}    

Python utiliza la indentación con espacios en blanco , en lugar de llaves o palabras clave, para delimitar bloques . Un aumento en la indentación se produce después de ciertas instrucciones; una disminución en la indentación indica el final del bloque actual. ^{[ 89 ]} De esta manera, la estructura visual del programa representa con precisión su estructura semántica. ^{[ 90 ]} Esta característica a veces se denomina regla de fuera de línea . Algunos otros lenguajes utilizan la indentación de esta manera; pero en la mayoría, la indentación no tiene significado semántico. El tamaño de indentación recomendado es de cuatro espacios. ^{[ 91 ]}

Las instrucciones de Python incluyen las siguientes:

• La instrucción de asignación , utilizando un solo signo de igual=
• La ifinstrucción, que ejecuta condicionalmente un bloque de código, junto con elsey elif(una contracción de else if)
• La forinstrucción itera sobre un objeto iterable , capturando cada elemento en una variable para su uso por el bloque adjunto; la variable no se elimina cuando finaliza el bucle.
• La whileinstrucción ejecuta un bloque de código mientras la condición booleana sea verdadera.
• La tryinstrucción, que permite que las excepciones generadas en su bloque de código adjunto sean capturadas y manejadas por exceptcláusulas (o nueva sintaxis except*en Python 3.11 para grupos de excepciones); ^{[ 92 ]} la tryinstrucción también garantiza que el código de limpieza en un finallybloque siempre se ejecute independientemente de cómo finalice el bloque.
• La raiseinstrucción se utiliza para generar una excepción específica o volver a generar una excepción capturada.
• La classinstrucción, que ejecuta un bloque de código y adjunta su espacio de nombres local a una clase , para su uso en programación orientada a objetos.
• La defdeclaración que define una función o método.
• La withinstrucción, que encierra un bloque de código dentro de un gestor de contexto, permite un comportamiento similar a la adquisición de recursos mediante inicialización (RAII) y reemplaza un modismo común try/finally ^{[ 93 ].} Ejemplos de un contexto incluyen adquirir un bloqueo antes de que se ejecute algún código y luego liberar el bloqueo; o abrir y luego cerrar un archivo.
• La breakinstrucción, que sale de un bucle
• La continuedeclaración, que omite el resto de la iteración actual y continúa con la siguiente
• La delinstrucción, que elimina una variable, borrando la referencia del nombre al valor y produciendo un error si se hace referencia a la variable antes de que se redefina ^{[ d ].}
• La passinstrucción, que actúa como una NOP (es decir, ninguna operación), es necesaria sintácticamente para crear un bloque de código vacío.
• La assertinstrucción, utilizada en la depuración para comprobar las condiciones que deben aplicarse
• La yieldinstrucción, que devuelve un valor de una función generadora (y también un operador); se utiliza para implementar corrutinas.
• La returninstrucción, utilizada para devolver un valor desde una función
• Las sentencias import`and` fromse utilizan para importar módulos cuyas funciones o variables pueden usarse en el programa actual. Python 3.15 añade una nueva funcionalidad para importar de forma diferida con una nueva palabra clave: "La lazypalabra clave funciona con ambas sentencias import`and` from ... import." ^{[ 94 ]}
• Las sentencias matchAND case, análogas a una estructura de sentencia switch , comparan una expresión con uno o más casos como medida de control de flujo.

La instrucción de asignación ( =) vincula un nombre como referencia a un objeto independiente, asignado dinámicamente . Posteriormente, las variables pueden volver a vincularse en cualquier momento a cualquier objeto. En Python, un nombre de variable es un contenedor de referencia genérico sin un tipo de dato fijo ; sin embargo, siempre se refiere a algún objeto con un tipo. Esto se denomina tipado dinámico , a diferencia de los lenguajes de tipado estático , donde cada variable solo puede contener un valor de un tipo determinado.

Python no admite la optimización de llamadas recursivas ni las continuaciones de primera clase ; según Van Rossum, el lenguaje nunca lo hará. ^{[ 95 ] [ 96 ]} Sin embargo, se proporciona un mejor soporte para la funcionalidad similar a las corrutinas extendiendo los generadores de Python. ^{[ 97 ]} Antes de la versión 2.5, los generadores eran iteradores perezosos ; los datos se pasaban unidireccionalmente fuera del generador. A partir de Python 2.5, es posible pasar datos de vuelta a una función generadora; y desde la versión 3.3, los datos se pueden pasar a través de múltiples niveles de pila. ^{[ 98 ]} 

Las expresiones de Python incluyen las siguientes:

• Los operadores +, -, y *para suma, resta y multiplicación matemáticas son similares a otros lenguajes, pero el comportamiento de la división difiere. Hay dos tipos de división en Python: división entera (o división de piso) //y división de punto flotante /. ^{[ 99 ]} Python utiliza el **operador para la exponenciación.
• Python utiliza el +operador para la concatenación de cadenas. El lenguaje utiliza el *operador para duplicar una cadena un número específico de veces.
• El @operador infijo está diseñado para ser utilizado por bibliotecas como NumPy para la multiplicación de matrices . ^{[ 100 ] [ 101 ]}
• La sintaxis :=, llamada "El operador morsa ", se introdujo en Python 3.8. Este operador asigna valores a variables como parte de una expresión más grande. ^{[ 102 ]}
• En Python, ==compara dos objetos por valor. isEl operador de Python se puede usar para comparar identidades de objetos (es decir, comparación por referencia), y las comparaciones se pueden encadenar, por ejemplo, .a<=b<=c
• Python utiliza and, or, y notcomo operadores booleanos.
• Python tiene un tipo de expresión llamada comprensión de lista y una expresión más general llamada expresión generadora . ^{[ 69 ]}
• Las funciones anónimas se implementan mediante expresiones lambda ; sin embargo, solo puede haber una expresión en cada cuerpo.
• Las expresiones condicionales se escriben como . ^{[ 103 ]} (Esto difiere en el orden de los operandos del operador común a muchos otros lenguajes).xifcelseyc ? x : y
• Python distingue entre listas y tuplas . Las listas se escriben como , son mutables y no se pueden usar como claves de diccionarios (ya que las claves de los diccionarios deben ser inmutables en Python). Las tuplas, escritas como , son inmutables y, por lo tanto, se pueden usar como claves de diccionarios, siempre que todos los elementos de la tupla sean inmutables. El operador se puede usar para concatenar dos tuplas, lo que no modifica directamente su contenido, sino que produce una nueva tupla que contiene los elementos de ambas. Por ejemplo, dada la variable inicialmente igual a , ejecutar primero evalúa , lo que produce ; este resultado se asigna luego a —modificando así efectivamente el contenido de mientras se cumple con la naturaleza inmutable de los objetos tupla. Los paréntesis son opcionales para las tuplas en contextos no ambiguos. ^{[ 104 ]}[1,2,3](1,2,3)+t(1,2,3)t=t+(4,5)t+(4,5)(1,2,3,4,5)tt
• Python cuenta con la función de desempaquetado de secuencias, donde múltiples expresiones, cada una evaluada en un valor asignable (por ejemplo, una variable o una propiedad modificable), se asocian como en la formación de una tupla literal; en conjunto, los resultados se colocan a la izquierda del signo igual en una instrucción de asignación. Esta instrucción espera que un objeto iterable a la derecha del signo igual produzca la misma cantidad de valores que las expresiones modificables a la izquierda; durante la iteración, la instrucción asigna cada uno de los valores producidos a la derecha a la expresión correspondiente a la izquierda. ^{[ 105 ]}
• Python tiene un operador de "formato de cadena" %que funciona de forma análoga a printflas cadenas de formato en el lenguaje C; por ejemplo, se evalúa como . En Python 2.6+ y 3+, este operador se complementó con el método de la clase, por ejemplo, . Python 3.6 añadió "cadenas f": . ^{[ 106 ]}"spam=%s eggs=%d"%("blah",2)"spam=blah eggs=2" format()str"spam={0} eggs={1}".format("blah",2) spam="blah";eggs=2;f'spam={spam} eggs={eggs}'
• En Python, las cadenas se pueden concatenar "sumándolas" (usando el mismo operador que para sumar enteros y números de coma flotante); por ejemplo, devuelve . Si las cadenas contienen números, se concatenan como cadenas en lugar de como enteros, por ejemplo, devuelve ."spam"+"eggs""spameggs""2"+"2""22"
• Python admite literales de cadena de varias maneras:
  • Delimitado por comillas simples o dobles; las comillas simples y dobles tienen una funcionalidad equivalente (a diferencia de los shells de Unix , Perl y los lenguajes influenciados por Perl). Ambas marcas utilizan la barra invertida ( \) como carácter de escape . La interpolación de cadenas estuvo disponible en Python  3.6 como "literales de cadena formateados". ^{[ 106 ]}
  • Entre comillas triples, es decir, que comienzan y terminan con tres comillas simples o dobles; esto puede abarcar varias líneas y funcionar como los documentos aquí en shells, Perl y Ruby .
  • Las cadenas sin formato se denotan anteponiendo una barra invertidar al literal de cadena . Las secuencias de escape no se interpretan; por lo tanto, las cadenas sin formato son útiles donde las barras invertidas literales son comunes, como en expresiones regulares y rutas de estilo Windows . (Compárese con el uso de @comillas invertidas en C# ).
• Python tiene expresiones de índice y segmentación de arrays en listas, que se escriben como a[key], o . Los índices son de base cero , y los índices negativos son relativos al final. Las segmentaciones toman elementos desde el índice de inicio hasta, pero sin incluir, el índice de parada . El tercer parámetro de segmentación (opcional) , llamado paso o zancada , permite omitir o invertir elementos. Los índices de segmentación pueden omitirse; por ejemplo, devuelve una copia de toda la lista. Cada elemento de una segmentación es una copia superficial .a[start:stop]a[start:stop:step]a[:]

En Python, la distinción entre expresiones y sentencias se impone de forma rígida, a diferencia de lenguajes como Common Lisp , Scheme o Ruby . Esta distinción conlleva la duplicación de algunas funcionalidades, por ejemplo:

• Comprensiones de listas frente a forbucles
• Expresiones condicionalesif frente a bloques
• Las funciones integradas eval()vs. (en Python 2, es una instrucción); la primera función es para expresiones, mientras que la segunda es para instrucciones.exec() exec

Una instrucción no puede formar parte de una expresión; debido a esta restricción, expresiones como listas y dictcomprensiones (y expresiones lambda) no pueden contener instrucciones. Como caso particular, una instrucción de asignación como no puede formar parte de la expresión condicional de una instrucción condicional.a=1

Python utiliza tipado dinámico ( duck typing) , lo que significa que tiene objetos tipados pero nombres de variables sin tipado. Las restricciones de tipo no se verifican en el momento de la definición; en cambio, las operaciones sobre un objeto pueden fallar en el momento de su uso, lo que indica que el objeto no es del tipo apropiado. A pesar de ser de tipado dinámico , Python es fuertemente tipado , lo que impide las operaciones mal definidas (por ejemplo, sumar un número y una cadena) en lugar de intentar interpretarlas de forma silenciosa.

Python permite a los programadores definir sus propios tipos usando clases , sobre todo para la programación orientada a objetos . Las nuevas instancias de las clases se construyen llamando a la clase, por ejemplo, o ); las clases son instancias de la metaclase (que es una instancia de sí misma), lo que permite la metaprogramación y la reflexión .SpamClass()EggsClass()type

Antes de la versión 3.0, Python tenía dos tipos de clases, ambas con la misma sintaxis: estilo antiguo y estilo nuevo . ^{[ 107 ]} Las versiones actuales de Python solo admiten la semántica del estilo nuevo.

Python admite anotaciones de tipo opcionales . ^{[ 5 ] [ 108 ]} Estas anotaciones no son obligatorias por el lenguaje, pero pueden ser utilizadas por herramientas externas como mypy para detectar errores. Python incluye un módulo typingcon varios nombres de tipo para anotaciones de tipo. ^{[ 109 ] [ 110 ]} Además, mypy admite un compilador de Python llamado mypyc, que aprovecha las anotaciones de tipo para la optimización. ^{[ 111 ]}

Python incluye símbolos convencionales para operadores aritméticos ( +, -, *, /), el operador de división entera //y el operador módulo% . (Con el operador módulo, el resto puede ser negativo, por ejemplo, .) Python también ofrece el símbolo para la exponenciación , por ejemplo y , así como el operador de multiplicación de matrices . ^{[ 118 ]} Estos operadores funcionan como en las matemáticas tradicionales; con las mismas reglas de precedencia , los operadores infijos y también pueden ser unarios , para representar números positivos y negativos respectivamente.4 % -3 == -2**5**3 == 1259**0.5 == 3.0@+-

La división entre enteros produce resultados de punto flotante. El comportamiento de la división ha cambiado significativamente con el tiempo: ^{[ 119 ]}

• La versión actual de Python (es decir, desde la 3.0) cambió el /operador para que siempre represente la división de punto flotante, por ejemplo, .5/2==2.5
• //Se introdujo el operador de división de piso , lo que significa que 7//3 == 2, -7//3 == -3, 7.5//3 == 2.0, y -7.5//3 == -3.0. Para Python 2.7, agregar la instrucción permite que un módulo en Python 2.7 utilice las reglas de división de Python 3.x (ver más arriba).from__future__importdivision

En términos de Python, el /operador representa la división verdadera (o simplemente división ), mientras que el //operador representa la división entera. Antes de la versión 3.0, el /operador representa la división clásica . ^{[ 119 ]}

El redondeo hacia el infinito negativo, aunque con un método diferente al de la mayoría de los lenguajes, aporta consistencia a Python. Por ejemplo, este redondeo implica que la ecuación siempre es verdadera. Además, el redondeo implica que la ecuación es válida tanto para valores positivos como negativos de . Como era de esperar, el resultado de se encuentra en el intervalo semiabierto [0, b ), donde es un entero positivo; sin embargo, para mantener la validez de la ecuación, el resultado debe estar en el intervalo ( b , 0) cuando es negativo. ^{[ 120 ]}(a+b)//b==a//b+1b*(a//b)+a%b==aaa%bbb

Python proporciona una roundfunción para redondear un número flotante al entero más cercano. Para desempatar , Python  3 utiliza el método de redondeo al parround(1.5) : y round(2.5)ambos producen 2. ^{[ 121 ]} Las versiones de Python anteriores a la 3 utilizaban el método de redondeo alejándose de cero : round(0.5)es 1.0, y round(-0.5)es −1.0. ^{[ 122 ]}

Python permite que las expresiones booleanas que contienen múltiples relaciones de igualdad sean consistentes con el uso general en matemáticas. Por ejemplo, la expresión a < b < ccomprueba si aes menor que by bes menor que c. ^{[ 123 ]} Los lenguajes derivados de C interpretan esta expresión de manera diferente: en C, la expresión evaluaría primero a < b, resultando en 0 o 1, y ese resultado se compararía luego con c. ^{[ 124 ]}

Python utiliza aritmética de precisión arbitraria para todas las operaciones con enteros. El Decimaltipo/clase del decimalmódulo proporciona números decimales de punto flotante con una precisión arbitraria predefinida y varios modos de redondeo. ^{[ 125 ]} La Fractionclase del fractionsmódulo proporciona precisión arbitraria para números racionales . ^{[ 126 ]}

Debido a la extensa biblioteca matemática de Python y a la biblioteca de terceros NumPy , el lenguaje se utiliza con frecuencia para la creación de scripts científicos en tareas como el procesamiento y la manipulación de datos numéricos. ^{[ 127 ] [ 128 ]}

En Python, las funciones se crean utilizando la defpalabra clave `function`. Una función se define de forma similar a como se llama, proporcionando primero el nombre de la función y luego los parámetros necesarios. Aquí hay un ejemplo de una función que imprime sus entradas:

def impresora ( entrada1 , entrada2 = "ya está ahí" ): imprimir ( entrada1 ) imprimir ( entrada2 )impresora ( "hola" )# Ejemplo de salida: # hola # ya estoy ahí

Para asignar un valor predeterminado a un parámetro de función en caso de que no se proporcione ningún valor real en tiempo de ejecución, se puede utilizar la sintaxis de definición de variables dentro del encabezado de la función.

CPython es la implementación de referencia de Python. Esta implementación está escrita en C, cumpliendo con el estándar C11 ^{[ 139 ]} desde la versión 3.11. Las versiones anteriores utilizan el estándar C89 con algunas características selectas de C99 , pero las extensiones de terceros no se limitan a versiones anteriores de C; por ejemplo, pueden implementarse utilizando C11 o C++. ^{[ 140 ] [ 141 ]} CPython compila programas Python en un bytecode intermedio , ^{[ 142 ]} que luego es ejecutado por una máquina virtual . ^{[ 143 ]} CPython se distribuye con una gran biblioteca estándar escrita en una combinación de C y Python nativo.

CPython está disponible para muchas plataformas, incluyendo Windows y la mayoría de los sistemas modernos tipo Unix , incluyendo macOS (y Macs Apple M1  , desde Python 3.9.1, usando un instalador experimental). A partir de Python  3.9, el instalador de Python falla intencionalmente al instalarse en Windows 7 y 8 ; ^{[ 144 ] [ 145 ]} Windows XP fue compatible hasta Python  3.5. Las versiones antiguas de Python admiten extraoficialmente VMS (principalmente ^{[ 146 ]} ) y OpenVMS x86-64 tiene soporte para Python 3.10. ^{[ 147 ] [ 148 ]} La portabilidad de la plataforma fue una de las primeras prioridades de Python. ^{[ 149 ]} Durante el desarrollo de Python  1 y 2, incluso OS/2 y Solaris fueron compatibles; ^{[ 8 ]} desde entonces, se ha dejado de dar soporte para muchas plataformas.

Todas las versiones actuales de Python (desde la 3.7) solo son compatibles con sistemas operativos que admiten multihilo , y actualmente no son compatibles con tantos sistemas operativos (dejando de lado muchos obsoletos) como en el pasado.

• El consumo de energía de Python con CPython para código escrito de forma típica es mucho peor que el de C por un factor de 75,88. ^{[ 150 ]}
• El rendimiento de Python con CPython para código escrito de forma típica es peor que el de C por un factor de 71,9. ^{[ 150 ]}
• El uso promedio de memoria de CPython para código escrito de forma típica es peor que el de C por un factor de 2,4. ^{[ 150 ]}

Todas las implementaciones alternativas presentan semánticas ligeramente diferentes. Por ejemplo, una alternativa puede incluir diccionarios no ordenados , a diferencia de otras versiones actuales de Python. Otro ejemplo dentro del ecosistema de Python es que PyPy no admite la API completa de C.

La creación de un ejecutable con Python a menudo se realiza empaquetando un intérprete de Python completo en el ejecutable, lo que provoca que el tamaño de los binarios sea enorme para programas pequeños, ^{[ 151 ]} sin embargo, existen implementaciones que son capaces de compilar Python de verdad. Las implementaciones alternativas incluyen las siguientes:

• PyPy es un intérprete más rápido y compatible de Python  2.7 y 3.11. ^{[ 152 ] [ 153 ]} El compilador justo a tiempo de PyPy a menudo mejora significativamente la velocidad en relación con CPython, pero PyPy no admite algunas bibliotecas escritas en C. ^{[ 154 ]} PyPy ofrece soporte para la arquitectura del conjunto de instrucciones RISC-V .
• Codon es una implementación con un compilador de compilación anticipada (AOT) , que compila un lenguaje tipo Python de tipado estático cuya "sintaxis y semántica son casi idénticas a las de Python, hay algunas diferencias notables" ^{[ 155 ]} Por ejemplo, Codon usa enteros de máquina de 64 bits para la velocidad, no arbitrariamente como con Python; los desarrolladores de Codon afirman que las aceleraciones sobre CPython suelen ser del orden de diez a cien veces. Codon compila a código máquina (a través de LLVM ) y admite multihilo nativo. ^{[ 156 ]} Codon también puede compilar a módulos de extensión de Python que se pueden importar y usar desde Python.
• MicroPython y CircuitPython son  variantes de Python 3 optimizadas para microcontroladores , incluido el Lego Mindstorms EV3 . ^{[ 157 ]}
• Pyston es una variante del entorno de ejecución de Python que utiliza la compilación justo a tiempo para acelerar la ejecución de programas Python. ^{[ 158 ]}
• Cinder es una bifurcación de CPython 3.8 orientada al rendimiento que presenta varias optimizaciones, incluyendo almacenamiento en caché en línea de bytecode, evaluación inmediata de corrutinas, un JIT método por método y un compilador de bytecode experimental. ^{[ 159 ]}
• El lenguaje de computación embebida Snek ^{[ 160 ] [ 161 ] [ 162 ]} "está inspirado en Python, pero no es Python. Es posible escribir programas Snek que se ejecuten bajo un sistema Python completo, pero la mayoría de los programas Python no se ejecutarán bajo Snek." ^{[ 163 ]} Snek es compatible con microcontroladores AVR de 8 bits como Arduino basado en ATmega 328P , así como con microcontroladores más grandes que son compatibles con MicroPython . Snek es un lenguaje imperativo que (a diferencia de Python) omite la programación orientada a objetos . Snek admite solo un tipo de dato numérico, que presenta precisión simple de 32 bits (similar a los números de JavaScript , aunque más pequeños).
• RustPython es una implementación escrita en Rust (lenguaje de programación) . Su objetivo es ser compatible con CPython, incluyendo su ABI de C. ^{[ 164 ]} Actualmente, se utiliza en GrepTimeDB y Ruff, entre otros proyectos.

Stackless Python es una bifurcación importante de CPython que implementa microhilos . Esta implementación utiliza la pila de llamadas de manera diferente, lo que permite programas masivamente concurrentes. PyPy también ofrece una versión sin pila. ^{[ 165 ]}

Se han desarrollado compiladores de Python de compilación justo a tiempo, pero actualmente no cuentan con soporte:

• Google inició un proyecto llamado Unladen Swallow en 2009: este proyecto tenía como objetivo acelerar el intérprete de Python cinco veces mediante el uso de LLVM y mejorar la capacidad de subprocesos múltiples para escalar a miles de núcleos, ^{[ 166 ]} mientras que las implementaciones típicas están limitadas por el bloqueo global del intérprete .
• Psyco era un compilador especializado de compilación justo a tiempo (JIT) descontinuado , que se integraba con CPython y transformaba el código de bytes en código máquina en tiempo de ejecución. El código generado estaba especializado para ciertos tipos de datos y era más rápido que el código Python estándar. Psyco no era compatible con Python 2.7 ni versiones posteriores. 
• PyS60 era un  intérprete de Python 2 para teléfonos móviles de la serie 60 , lanzado por Nokia en 2005. El intérprete implementaba muchos módulos de la biblioteca estándar de Python, así como módulos adicionales para la integración con el sistema operativo Symbian . El Nokia N900 también es compatible con Python a través de la biblioteca de widgets GTK , lo que permite escribir y ejecutar programas en el dispositivo. ^{[ 167 ]}

Existen varios compiladores/ transpiladores para lenguajes de objetos de alto nivel; el lenguaje fuente es Python sin restricciones, un subconjunto de Python o un lenguaje similar a Python:

• Brython ^{[ 168 ]} y Transcrypt ^{[ 169 ] [ 170 ]} compilan Python a JavaScript .
• Cython compila un superconjunto de Python a C. El código resultante se puede utilizar con Python mediante llamadas directas a la API de nivel C en el intérprete de Python.
• PyJL compila/transpila un subconjunto de Python a "código fuente Julia legible, mantenible y de alto rendimiento". ^{[ 80 ]} A pesar de las afirmaciones de rendimiento de los desarrolladores, esto no es posible para cualquier código Python; es decir, se sabe que compilar a un lenguaje más rápido o a código máquina es imposible en general. La semántica de Python podría cambiarse, pero en muchos casos es posible acelerar el proceso con pocos o ningún cambio en el código Python. El código fuente Julia más rápido puede entonces usarse desde Python o compilarse a código máquina.
• Nuitka compila Python a C. [ ^{171 ] Este} compilador funciona con Python 3.4 a 3.13 (y 2.6 y 2.7) para las principales plataformas compatibles con Python (y Windows 7 o incluso Windows XP) y para Android. Los desarrolladores del compilador afirman que ofrece soporte completo para Python 3.10, soporte parcial para Python 3.11 y 3.12, y soporte experimental para Python 3.13. Nuitka es compatible con macOS, incluidas las versiones basadas en Apple Silicon. El compilador es gratuito, aunque cuenta con complementos comerciales (por ejemplo, para ocultar el código fuente).
• Numba es un compilador JIT que se utiliza desde Python; este compilador traduce un subconjunto de código Python y NumPy a código máquina rápido. Esta herramienta se habilita añadiendo un decorador al código Python correspondiente.
• Pythran compila un subconjunto de Python  3 a C++ ( C++11 ). ^{[ 172 ]}
• RPython se puede compilar a C y se utiliza para construir el intérprete PyPy para Python.
• El transpilador Python → 11l → C++ ^{[ 173 ]} compila un subconjunto de Python  3 a C++ ( C++17 ).

También existen compiladores especializados:

• MyHDL es un lenguaje de descripción de hardware (HDL) basado en Python que convierte código MyHDL a código Verilog o VHDL .

Existían algunos proyectos más antiguos, así como compiladores no diseñados para su uso con Python 3.x y su sintaxis relacionada:

• Grumpy de Google transpila Python  2 a Go . ^{[ 174 ] [ 175 ] [ 176 ]} La última versión fue en 2017.
• IronPython permite ejecutar  programas Python 2.7 con .NET Common Language Runtime . ^{[ 177 ]} Una versión alfa (lanzada en 2021) está disponible para "Python  3.4, aunque puede incluir características y comportamientos de versiones posteriores". ^{[ 178 ]}
• Jython compila Python  2.7 a bytecode de Java, lo que permite el uso de bibliotecas de Java desde un programa Python. ^{[ 179 ]}
• Pyrex (última versión lanzada en 2010) y Shed Skin (última versión lanzada en 2013) se compilan a C y C++ respectivamente.

En EuroSciPy '13 se presentó una comparación de rendimiento entre varias implementaciones de Python, utilizando una carga de trabajo no numérica (combinatoria). ^{[ 180 ]} Además, el rendimiento de Python en relación con otros lenguajes de programación se evalúa mediante The Computer Language Benchmarks Game . ^{[ 181 ]}

Existen varios enfoques para optimizar el rendimiento de Python, a pesar de la lentitud inherente a un lenguaje interpretado . Estos enfoques incluyen las siguientes estrategias o herramientas:

• Compilación justo a tiempo : Compilación dinámica de partes de un programa Python durante la ejecución del programa. Esta técnica se utiliza en bibliotecas como Numba y PyPy .
• Compilación estática : En ocasiones, el código Python se puede compilar a código máquina antes de su ejecución. Un ejemplo de este enfoque es Cython , que compila Python a C.
• Concurrencia y paralelismo : Se pueden ejecutar varias tareas simultáneamente. Python incluye módulos como `multiprocessing` para admitir esta forma de paralelismo. Además, este enfoque ayuda a superar las limitaciones del Bloqueo Global del Intérprete (GIL) en las tareas de la CPU.
• Estructuras de datos eficientes : El rendimiento también se puede mejorar utilizando tipos de datos como Setpara pruebas de pertenencia o dequepara operaciones collectionsde cola .
• Se pueden observar mejoras en el rendimiento al utilizar bibliotecas como NumPy . La mayoría de las bibliotecas de Python de alto rendimiento utilizan C o Fortran internamente en lugar del intérprete de Python. ^{[ 182 ]}