이미 최적의 알고리즘을 사용하고 있고 처리해야 할 데이터를 간소화헀다고 가정하면, 수행할 명령어의 수를 줄이는 가장 쉬운 방법은 코드를 기계어로 컴파일하는 것이다.
이를 위한 방법으로는 순수 C 기반의 컴파일을 수행하는 Cython, Shed Skin, Pythran 이 있고, LLVM기반의 컴파일을 제공하는 Numba 가 있다. JIT 컴파일러 (Just in time)를 포함하는 PyPy 등, 컴파일하여 실행 시간을 줄일 수 있는 다양한 옵션들이 있다. 이들은 새로운 의존성 문제를 가져오며, Cython 를 사용하기 위해서는 C언어를 알아야한다. 팀의 생산성을 떨어뜨릴 우려가 있지만, 필요한 부분에만 잘 선택하여 이용한다면 이는 작은 문제에 불과하다.
| 방법 | 설명 |
|---|---|
| Cython | C언어로 컴파일하기위해 가장 일반저긍로 사용되는 도구, numpy 와 일반 파이썬 코드를 모두 커버한다. |
| Shed Skin | numpy를 사용하지 않는 코드를 자동으로 C로 변환해주는 도구 |
| Numba | numpy코드에 특화된 새로운 컴파일러 |
| Pythran | numpy와 비numpy 코드를 모두 커버하는 새로운 컴파일러 |
| PyPy | 일반 파이썬 실행환경을 대체하는 비numpy 코드를 위한 JIT 컴파일러 |
파이썬은 변수가 어떤 타입의 객체라도 참조할 수 있고, 코드 어디에서든 참조하는 객체의 타입을 변경할 수 있는 동적 언어이다. 이런 특징으로 인해 가상머신이 다음 연산에 사용할 기본적인 타입을 알 수 없으므로 기계어 수준의 최적화를 수행하기 어렵다. 코드를 추상화할수록 실행 속도는 느려진다. 참고