python编程教学网python快速编程python数据库编程入门教学网

说到写Python程序，我经常会到这2个编译器。因为有不同体验感受，在文章中，总结对2个编译器进行比较。

如果你准备做肝Python开发项目，建议使用Pycharm。

若你准备基于Python进行数据分析，建议使用Spyder。本人Spyder一见如故，越发地喜爱。

当然除了这两还有10个好用的，Python 编译器和解释器。小白可以先收藏，后面用到再看

1.Brython

Brython 是一种流行的 Python 编译器，可将 Python 转换为 Javascript 代码。它提供对所有 Web 浏览器（包括一种手机 Web 浏览器）的支持。

它还支持最新的 Html5/CSS3 规范，可以使用流行的 CSS 框架，如 BootStrap3 和 LESS。

网址：https://brython.info

2. Pyjs

Pyjs 是一个丰富的 Internet 应用程序框架，也是一种轻量级的 Python 编译器，可以从 Web 浏览器直接执行 Python 脚本，可以从浏览器的 JS 控制台执行程序。

它是从 Python 到 Javascript 的编译器，可以使代码在 Web 浏览器上运行。它带有 Ajax 框架和 Widget Set API。

网站：http://pyjs.org

3. WinPython

它是为 Windows 操作系统设计的。它有一些 CPython 的特性。它预装了一些针对数据科学和机器学习的流行库，例如 Numpy、Pandas 和 Scipy。

它带有 C/C++ 编译器，大多数时候不会用到。除此之外，它只有 Python 编译器，没有其它包。

网址：
https://winpython.github.io

4.Skulpt

Skulpt 是 Python 的浏览器版实现，可以被添加到 HTML 代码中。

此 Python 编译器使用 Javascript 编写，在客户端运行代码，无需其它插件、加工或服务器支持。

Skulpt 解释器通过导入方式，来执行保存在网站上的 .py 文件中的代码。

网站：https://skulpt.org

5.Shed Skin

该编译器将 Python 标准库模块编译为 C++，它将静态类型的 Python 程序转换为很受限的优化的 C++ 代码。

通过将其内置的 Python 数据类型再次实现为自己的类集（可以用 C++ 高效实现），可以提高性能。

网站：
https://en.wikipedia.org/wiki/Shed_Skin

6.Active Python

这是用于 Windows、Linux 和 Mac Os 的 Python 发行版，有免费的社区版。

它支持在许多平台安装，某些不被 Python-like 的 AIX 支持的平台，它也支持。它提供了比 Python 更多的兼容性。

网站：
https://www.activestate.com/products/activepython

7.Transcrypt

它是一种流行的将 Python 代码编译为简单易读的 Java 代码的编译器。它是一个轻量级的 Python 编译器，支持对矩阵和向量运算进行切片。

Transcrypt 也可以在 Node.js 上运行。分层模块、多重继承和本地类给其添加了很多功能。

网站：
https://www.activestate.com/products/activepython

8. Nutika

这是一种源码到源码的 Python 编译器，可以将 Python 源代码转换为 C/C++ 可执行代码。它会使用到许多 Python 库和扩展模块。

它自带 Anaconda，可用于创建数据科学和机器学习项目。

网站：
https://www.activestate.com/products/activepython

9. Jython

它用 Java 编写，可以在运行 JVM 的任何平台上执行。Jython 将 Python代码编译为 Java 字节码，从而做到跨平台。

它可用于创建 Servelets、Swing、SWT 和 AWT 软件包的解决方案。Jython 使用 CPython 之类的全局解释器锁（GIL） 。

另外，你可以将 Java 类扩展到 Python 代码。

网址：https://www.jython.org

10. CPython

CPython 是默认的且使用最广泛的 Python 编译器。它是用 C 语言编写的，并使用 GIL（全局解释器锁），这使得并发 CPython 进程之间的通信很困难。

CPython 中的编译步骤包括：解码、令牌化、解析、抽象语法树和编译。

网站：
https://compilers.pydata.org

更多python技巧充电时间：Python+大数据开发自学教程_Python+大数据开发视频教程从入门到精通_黑马程序员