当你已经有一个编译好的库blob要处理(比如OS库)时，ctypes非常有用。然而，调用开销很严重，所以如果您将对库进行大量调用，并且无论如何都要编写C代码(或者至少编译它)，那么我建议您使用cython。这并不需要做更多的工作，而且使用生成的pyd文件会更快、更python化。

我个人倾向于使用cython来快速加速python代码(循环和整数比较是cython特别擅长的两个领域)，当涉及到其他库的一些更复杂的代码/包装时，我将转向Boost.Python。提振。Python的设置可能很挑剔，但一旦你让它工作了，它就可以简单地包装C/ c++代码。

cython在包装numpy方面也很出色(这是我从SciPy 2009会议中了解到的)，但我没有使用过numpy，因此不能对此进行评论。

警告:以下是Cython核心开发人员的观点。

I almost always recommend Cython over ctypes. The reason is that it has a much smoother upgrade path. If you use ctypes, many things will be simple at first, and it's certainly cool to write your FFI code in plain Python, without compilation, build dependencies and all that. However, at some point, you will almost certainly find that you have to call into your C library a lot, either in a loop or in a longer series of interdependent calls, and you would like to speed that up. That's the point where you'll notice that you can't do that with ctypes. Or, when you need callback functions and you find that your Python callback code becomes a bottleneck, you'd like to speed it up and/or move it down into C as well. Again, you cannot do that with ctypes. So you have to switch languages at that point and start rewriting parts of your code, potentially reverse engineering your Python/ctypes code into plain C, thus spoiling the whole benefit of writing your code in plain Python in the first place.

With Cython, OTOH, you're completely free to make the wrapping and calling code as thin or thick as you want. You can start with simple calls into your C code from regular Python code, and Cython will translate them into native C calls, without any additional calling overhead, and with an extremely low conversion overhead for Python parameters. When you notice that you need even more performance at some point where you are making too many expensive calls into your C library, you can start annotating your surrounding Python code with static types and let Cython optimise it straight down into C for you. Or, you can start rewriting parts of your C code in Cython in order to avoid calls and to specialise and tighten your loops algorithmically. And if you need a fast callback, just write a function with the appropriate signature and pass it into the C callback registry directly. Again, no overhead, and it gives you plain C calling performance. And in the much less likely case that you really cannot get your code fast enough in Cython, you can still consider rewriting the truly critical parts of it in C (or C++ or Fortran) and call it from your Cython code naturally and natively. But then, this really becomes the last resort instead of the only option.

所以，ctypes很适合做简单的事情，并快速运行一些东西。但是，当事情开始发展时，您很可能会注意到最好从一开始就使用Cython。

Cython本身是一个非常酷的工具，非常值得学习，而且惊人地接近Python语法。如果您使用Numpy进行任何科学计算，那么Cython是合适的选择，因为它与Numpy集成以实现快速矩阵运算。

Cython是Python语言的超集。您可以向它抛出任何有效的Python文件，它将吐出一个有效的C程序。在这种情况下，Cython只会将Python调用映射到底层的CPython API。这可能会导致50%的加速，因为您的代码不再被解释。

为了获得一些优化，您必须开始告诉Cython关于代码的其他事实，例如类型声明。如果你告诉它足够多，它可以把代码浓缩成纯c，也就是说，Python中的for循环变成了c中的for循环。在这里，你会看到巨大的速度提升。你也可以在这里链接到外部C程序。

使用Cython代码也非常简单。我觉得手册上说的很难。你只需要做:

$ cython mymodule.pyx
$ gcc [some arguments here] mymodule.c -o mymodule.so

然后你可以在你的Python代码中导入mymodule，完全忘记它可以编译成C语言。

在任何情况下，由于Cython都很容易安装和开始使用，所以我建议尝试一下它是否适合您的需求。如果它不是你想要的工具，那也不是浪费。

要从Python应用程序调用C库，还有cffi，这是ctypes的新替代方案。它为FFI带来了全新的面貌:

它以一种迷人的、干净的方式处理问题(与ctypes相反) 它不需要编写非Python代码(如SWIG, Cython，…)

如果你已经有了一个定义了API的库，我认为ctypes是最好的选择，因为你只需要做一点初始化，然后或多或少地以你习惯的方式调用库。

我认为当你需要新代码时，Cython或用C创建一个扩展模块(这并不难)更有用，例如调用那个库并执行一些复杂、耗时的任务，然后将结果传递给Python。

对于简单的程序，另一种方法是直接执行不同的进程(外部编译)，将结果输出到标准输出，并使用subprocess模块调用它。有时这是最简单的方法。

例如，如果你制作一个控制台C程序，或多或少地以这种方式工作

$miCcode 10
Result: 12345678

你可以从Python中调用它

>>> import subprocess
>>> p = subprocess.Popen(['miCcode', '10'], shell=True, stdout=subprocess.PIPE)
>>> std_out, std_err = p.communicate()
>>> print std_out
Result: 12345678

通过一些字符串格式化，您可以以任何您想要的方式获取结果。您还可以捕获标准错误输出，因此非常灵活。

ctypes是您快速完成它的最佳选择，并且在您仍然在编写Python时使用它是一种乐趣!

我最近包装了一个使用ctypes与USB芯片通信的FTDI驱动程序，它很棒。我在不到一个工作日的时间里完成了所有的工作。(我只实现了我们需要的函数，大约15个函数)。

我们以前使用第三方模块PyUSB来实现同样的目的。PyUSB是一个实际的C/Python扩展模块。但是PyUSB在阻塞读/写时没有释放GIL，这给我们带来了问题。因此，我使用ctypes编写了自己的模块，它在调用本机函数时释放GIL。

需要注意的一点是，ctypes不知道你正在使用的库中的#define常量和其他东西，只知道函数，所以你必须在自己的代码中重新定义这些常量。

下面是代码最终的样子的一个例子(很多东西被剪掉了，只是想向你展示它的要点):

from ctypes import *

d2xx = WinDLL('ftd2xx')

OK = 0
INVALID_HANDLE = 1
DEVICE_NOT_FOUND = 2
DEVICE_NOT_OPENED = 3

...

def openEx(serial):
    serial = create_string_buffer(serial)
    handle = c_int()
    if d2xx.FT_OpenEx(serial, OPEN_BY_SERIAL_NUMBER, byref(handle)) == OK:
        return Handle(handle.value)
    raise D2XXException

class Handle(object):
    def __init__(self, handle):
        self.handle = handle
    ...
    def read(self, bytes):
        buffer = create_string_buffer(bytes)
        count = c_int()
        if d2xx.FT_Read(self.handle, buffer, bytes, byref(count)) == OK:
            return buffer.raw[:count.value]
        raise D2XXException
    def write(self, data):
        buffer = create_string_buffer(data)
        count = c_int()
        bytes = len(data)
        if d2xx.FT_Write(self.handle, buffer, bytes, byref(count)) == OK:
            return count.value
        raise D2XXException

有人对不同的选项做了一些基准测试。

我可能会更犹豫，如果我必须包装一个c++库与许多类/模板/等。但是ctypes可以很好地使用结构，甚至可以回调到Python。