Python社区发布了有用的参考资料，展示了如何分析Python代码，以及C语言或Cython中Python扩展的技术细节。我仍然在寻找教程，但是，对于非平凡的Python程序，显示如下：
一个好的教程将为读者提供一种方法，通过一个完整的例子来说明如何推理优化问题。我没有成功找到这样的资源。
你知道（或有你写过）这样的教程吗？
为了澄清，我对仅涵盖以下
的教程不感兴趣：答案 0 :(得分：9)
第1点和第2点只是拇指的基本优化规则。如果您正在寻找任何类型的教程，我会非常惊讶。也许这就是你没找到的原因。我的简短名单：
首先使用usual python tools分析您的python代码。找到您需要优化的代码。然后尝试优化它坚持使用python。如果它仍然太慢，试着理解为什么。如果它受IO限制，则C程序不太可能更好。如果问题来自算法，那么C也不太可能表现得更好。实际上C可以提供帮助的“好”案例非常少见，运行时不应该离你想要的太远（比如3倍加速中的2倍）数据结构很简单并且会受益于低级别的表示，你真的，真的需要加速。在大多数其他情况下，使用C而不是python将是一项无益的工作。
真的很少见python中的C代码是以性能为主要目标完成的。更常见的目标是将python与一些现有的C代码接口。
正如另一张海报所说，你可能会更好地建议使用cython。
如果您仍想为Python编写C模块，则所有必要的内容都在official documentation.
中答案 1 :(得分：6)
O'Reilly has a tutorial（据我所知，我可以自由阅读，我能够阅读整个内容），它说明了如何分析真实项目（他们使用EDI解析项目作为分析主题）并识别热点。编写C扩展名没有太多细节可以解决O'Reilly文章中的瓶颈问题。但是，它确实涵盖了你想要的前两件事，并带有一个非常重要的例子。
编写C扩展的过程记录良好here。困难的部分是提出了复制Python代码在C中所做的事情的方法，并且需要教程中难以教授的东西：独创性，算法知识，硬件和效率，以及相当多的C技能。
希望这有帮助。
答案 2 :(得分：4)
对于第1点和第2点，我会使用Python分析器，例如cProfile。有关快速教程，请参阅here。
如果您已经有一个已经存在的python程序，对于第3点，您可能需要考虑使用Cython。当然，您可以考虑改进执行速度的算法改进，而不是用C语言重写。
答案 3 :(得分：2)
我会尝试解决你的第1点和第2点，以及你的前3个要点，但不是按顺序。
第三个要点是“假设算法和python代码已经是最优的”。当代码处于该状态时，如果采用堆栈样本（as outlined here），则样本会从时间角度准确显示程序正在执行的操作，并且似乎没有任何内容可以在没有语言更改的情况下得到改进。但是，既然你知道它是如何花费时间的，你知道哪个低级算法（可能包含多个函数，而不仅仅是一个热点）可以通过减少时间来获益，即通过转换为C
关于第1点，此方法显示代码的哪些部分将通过转换为C而受益，并且它们可能是也可能不是热点。 （首先想到的是任何类型的递归函数或函数集。或者，一小组函数共同实现某些目的，例如爬山者。）
关于第2点，任何没有出现在堆栈样本的健康百分比上的代码，或者通过转换为C而显然不会受益的任何代码，例如I / O.
关于第一和第二个要点，我同意测量不是主要目标，而是找到优化代码的过程的副产品。提出这样的测量也是不重要的。
我遇到过类似的情况，除了python和C之间，但C和硬件之间没有。**
举一个例子，如果总运行时间是10秒，并且算法大约50％的时间在堆栈上，那么它在10秒内大约有5个负责。如果将算法转换为C将提供10倍的加速，那么5秒将缩小到0.5秒，因此总时间将缩小到5.5秒。 （粗略地说 - 实现时间减少比预先确切知道它有多大是更重要的。）注意，此时整个过程可以重复，并且将其他东西转换为C也可能是有意义的。 当样本显示python代码正在做它擅长的事情时，你可以停止这个过程，并且C代码正在做它擅长的事情。
**浮点数学，库与芯片或图形，绘图文本和多边形。