我知道有很多方法可以将 C 函数连接到 Python：Python C API、scipy.weave、ctypes、pyrex/cython、SWIG、Boost.Python、Psyco ……它们各自最适合什么？为什么我应该使用给定的方法而不是其他方法？当我需要在 Python 和 C 之间选择绑定时应该考虑什么？
我知道一些关于此的讨论，但它们似乎都不完整......
我知道 StackOverflow 上的一些问题也是相关的。例如：
我没有使用所有这些方法，尽管我曾在某一时刻对它们进行过调查......
Python C API：用于编写可编译为可在 Python 中导入的 Python 模块的 C 代码。或者用于编写充当“胶水”代码以与某些 C 库交互的 Python 模块。
scipy.weave：允许您将 C 代码位放入您的 python 代码中，如果您使用 NumPy 和 SciPy 进行数字工作，请查看此内容。C 代码将是一个字符串，例如 weave.inline('printf("%s", foo)')。
ctypes：一个 python 模块，允许您从 python 代码调用 C 代码。您基本上导入共享库，然后调用其 API。需要做一些工作来编组这些调用中的数据。如果您正在考虑使用您或其他人编写的现有 C 库，我将从这里开始。
pyrex/cython：允许您编写 Python 代码（使用一些特殊语法），这些代码将生成为 C 代码（可以作为 Python 模块导入），并且显然比通过 Python 解释器运行更快。这有点像“Python C API”路线，只是它为您生成 C 代码。如果你有一些代码块是你的瓶颈并且真的很慢，这很有用。使用 cython 重写该函数并从调用代码中导入它。
SWIG：为 C/C++ 库生成包装器代码。您应该最终得到一个可以导入和使用的 python 模块。
Boost.Python：这是我最不了解的一个。在我看来，它与 SWIG 类似，尽管您自己编写了包装层，但是在 Boost 宏/函数的帮助下。
Psyco：稍微加快你的 python 代码，我从来没有这么幸运过。我不会浪费你的时间。分析您的代码，找到您的瓶颈并使用上述技术之一加速它们。
这只是对部分问题的简要回答，但是：
ctypes当您有一个要与 Python 一起使用的预先存在的 C 库时，这可能是最好的选择。
当您想用 C 语言编写一些利用 Python 方面的东西，或者想用 C 语言编写 Python 扩展时，Python C API 是最好的选择。（Cython 是另一种实现方式。）
当然，在您在问题中链接到的 SO 问题的一些答案中，可能会更详细地阐述这两者。