我听说了很多关于PyPy项目的事情。他们声称它比他们网站上的CPython解释器快6.3倍。
每当我们谈论像Python这样的动态语言时，速度是首要问题之一。为了解决这个问题，他们说PyPy要快6.3倍。
第二个问题是并行性，即臭名昭著的全局解释器锁(GIL)。为此，PyPy说它可以提供无gil的Python。
如果PyPy可以解决这些巨大的挑战，那么它的弱点是什么?也就是说，是什么阻止了像我这样的典型的Python开发人员现在转向PyPy ?
当前回答
因为pypy不是100%兼容，需要8g的ram来编译，是一个移动的目标，并且是高度实验性的，其中cpython是稳定的，20年来模块构建器的默认目标(包括不能在pypy上工作的c扩展)，并且已经广泛部署。
Pypy可能永远不会成为参考实现，但它是一个很好的工具。
其他回答
注意:与2013年提出这个问题时相比，现在的PyPy更成熟，支持也更好。避免从过时的信息中得出结论。
PyPy, as others have been quick to mention, has tenuous support for C extensions. It has support, but typically at slower-than-Python speeds and it's iffy at best. Hence a lot of modules simply require CPython. PyPy doesn't support numpy. Some extensions are still not supported (Pandas, SciPy, etc.), take a look at the list of supported packages before making the change. Note that many packages marked unsupported on the list are now supported. Python 3 support is experimental at the moment. has just reached stable! As of 20th June 2014, PyPy3 2.3.1 - Fulcrum is out! PyPy sometimes isn't actually faster for "scripts", which a lot of people use Python for. These are the short-running programs that do something simple and small. Because PyPy is a JIT compiler its main advantages come from long run times and simple types (such as numbers). PyPy's pre-JIT speeds can be bad compared to CPython. Inertia. Moving to PyPy often requires retooling, which for some people and organizations is simply too much work.
我想说，这些是影响我的主要原因。
对于许多项目，不同的python之间在速度方面实际上是0%的差异。这是由工程时间主导的，所有的python都有相同数量的库支持。
支持的Python版本
引用Python的禅意:
可读性。
例如，Python 3.8引入了fstring =。
Python 3.8+中可能有其他对您更重要的特性。PyPy目前不支持Python 3.8+。
无耻的自我广告:Python版本的杀手特性-如果你想知道更多你使用旧Python版本时错过的东西
第二个问题比较容易回答:如果所有代码都是纯Python，那么基本上可以使用PyPy作为替代。然而，许多广泛使用的库(包括一些标准库)是用C编写的，并编译为Python扩展。其中一些可以与PyPy一起工作，一些不能。PyPy提供了与Python相同的“面向”工具——也就是说，它是Python——但其内部结构不同，因此与这些内部结构交互的工具将无法工作。
至于第一个问题，我想这有点像第一个问题:PyPy一直在快速发展，以提高速度并增强与其他代码的互操作性。这使得它更像是实验性的，而不是官方的。
我认为，如果PyPy进入稳定状态，它可能会开始得到更广泛的应用。我还认为对Python来说，摆脱C语言的基础是一件很棒的事情。但这在一段时间内不会发生。PyPy还没有达到临界质量，它本身几乎足够有用，可以做你想做的所有事情，这将激励人们填补空白。
因为pypy不是100%兼容，需要8g的ram来编译，是一个移动的目标，并且是高度实验性的，其中cpython是稳定的，20年来模块构建器的默认目标(包括不能在pypy上工作的c扩展)，并且已经广泛部署。
Pypy可能永远不会成为参考实现，但它是一个很好的工具。
