我想从Python应用程序调用C库。我不想包装整个API，只包装与我的案例相关的函数和数据类型。在我看来，我有三个选择:
用c语言创建一个实际的扩展模块，这可能有点过分，而且我还想避免学习编写扩展的开销。 使用Cython将相关部分从C库公开到Python。 在Python中完成所有的事情，使用ctypes与外部库通信。
我不知道2)还是3)哪个更好。3)的优点是ctypes是标准库的一部分，生成的代码将是纯Python——尽管我不确定这个优点到底有多大。
这两种选择有更多的优点/缺点吗?你推荐哪种方法?
编辑:感谢你的回答，它们为任何想做类似事情的人提供了很好的资源。当然，这个决定仍然是针对单一情况做出的——没有一个“这是正确的事情”之类的答案。对于我自己的情况，我可能会使用ctypes，但我也期待在其他一些项目中尝试Cython。
由于没有唯一的正确答案，接受一个答案就有些武断了;我选择了FogleBird的答案，因为它提供了一些关于ctypes的很好的见解，而且它也是目前投票最多的答案。然而，我建议阅读所有的答案，以获得一个良好的概述。
再次感谢。
当前回答
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，…)
其他回答
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。
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。
我再举一个例子:SWIG
它很容易学，做了很多正确的事情，并支持更多的语言，所以花时间学习它是非常有用的。
如果您使用SWIG，您将创建一个新的python扩展模块，但是SWIG将为您完成大部分繁重的工作。
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，…)
有一个问题让我使用ctypes而不是cython，这在其他答案中没有提到。
Using ctypes the result does not depend on compiler you are using at all. You may write a library using more or less any language which may be compiled to native shared library. It does not matter much, which system, which language and which compiler. Cython, however, is limited by the infrastructure. E.g, if you want to use intel compiler on windows, it is much more tricky to make cython work: you should "explain" compiler to cython, recompile something with this exact compiler, etc. Which significantly limits portability.
