来源：麦叔编程
今天同事给我扔了一个
.pyd
文件，说让我跑个数据。然后我就傻了。。
不知道多少粉丝小伙伴会run . pyd 代码文件？ 如果你也懵懵的，请继续往下读吧 。 。
今天科普下各类
Python
代码文件的后缀，给各位
Python
开发「扫扫盲」。
.py
最常见的Python代码文件后缀名，官方称
Python源代码文件
。
不用过多解释了~
.ipynb
这个还是比较常见的，
.ipynb
是
Jupyter Notebook
文件的扩展名，它代表"
IPython Notebook
"。
学过数据分析，机器学习，深度学习的同学一定不陌生！
.pyi
.pyi
文件是
Python
中的类型提示文件，用于提供代码的
静态类型
信息。
一般用于帮助开发人员进行 类型检查 和 静态分析 。
示例代码：
hellp.pyidef hello(name: str) -> None: print(f"hello {name}")
.pyi
文件的命名约定通常与相应的
.py
文件相同，以便它们可以被自动关联在一起。
.pyc
.pyc
是
Python
字节码文件的扩展名，用于存储已编译的
Python
源代码的中间表示形式，因为是二进制文件所以我们无法正常阅读里面的代码。
.pyc
文件包含了已编译的字节码，它可以更快地被
Python
解释器加载和执行，因为解释器无需再次编译源代码。
.pyd
.pyd
是
Python
扩展模块的扩展名，用于表示使用
C
或
C++
编写的二进制
Python
扩展模块文件。
.pyd
文件是编译后的二进制文件，它包含了编译后的扩展模块代码以及与
Python
解释器交互所需的信息。
此外，
.pyd
文件通过
import
语句在
Python
中导入和使用，就像导入普通的
Python
模块一样。
由于
C
或
C++
的执行速度通常比纯
Python
代码快，可以使用扩展模块来优化
Python
代码的性能，尤其是对于计算密集型任务。
.pyw
.pyw
是
Python
窗口化脚本文件的扩展名。
它表示一种特殊类型的
Python
脚本文件，用于
创建没有命令行界面
（即控制台窗口）的窗口化应用程序。
一般情况下，运行
Python
脚本会打开一个命令行窗口，其中显示脚本输出和接受用户输入。但是，对于某些应用程序，如图形用户界面（GUI）应用程序，不需要命令行界面，而是希望在窗口中显示交互界面。这时就可以使用
.pyw
文件。
示例代码：
# click_button.pywimport tkinter as tkdef button_click(): label.config(text="Button Clicked!")window = tk.Tk()button = tk.Button(window, text="Click Me", command=button_click)button.pack()label = tk.Label(window, text="Hello, World!")label.pack()window.mainloop()
.pyx
.pyx
是
Cython
源代码文件的扩展名。
Cython
是一种
编译型的静态类型扩展语言
，它允许在
Python
代码中使用
C
语言的语法和特性，以提高性能并与
C
语言库进行交互。
我对比了下Cython与普通python的运行速度：
fb.pyx(需使用cythonize命令进行编译)
cdef int a, b, idef fibonacci(n):if n <= 0:raise ValueError("n必须是正整数")if n == 1:return 0elif n == 2:return 1else: a = 0 b = 1for i in range(3, n + 1): a, b = b, a + breturn b
run.py
import fbimport timeitdef fibonacci(n):if n <= 0:raise ValueError("n必须是正整数")if n == 1:return 0elif n == 2:return 1else: a, b = 0, 1for _ in range(3, n + 1): a, b = b, a + breturn b# 纯Python版本python_time = timeit.timeit("fibonacci(300)", setup="from __main__ import fibonacci", number=1000000)# Cython版本cython_time = timeit.timeit("fb.fibonacci(300)", setup="import fb", number=1000000)print("纯Python版本执行时间:", python_time)print("Cython版本执行时间:", cython_time)
得出结果：
纯Python版本执行时间: 12.391942400000516Cython版本执行时间: 6.574918199999956
在这种计算密集任务情况下，
Cython
比普通
Python
效率快了近一倍。
加入知识星球 【我们谈论数据科学】
提供100节专属Pandas数据分析视频教程
600+ 小伙伴一起学习！
