PyPy
在选择CPython的简易替代语言时，PyPy无疑是最佳之选(如Quora就是由它编写而成)。由于与现有Python代码保持高度兼容性，PyPy也是默认程序运行时的一个很好选择。
PyPy使用了Just-in-Time(JIT)即时编译器，即动态编译器，与静态编译器（如gcc,java等）不同，它是利用程序运行的过程的数据进行优化，拥有同谷歌Chrome V8 JavaScript引擎相同的语言加速技术。
相关链接：http://pypy.org/
Pyston
Pyston是一款Dropbox推出的新的基于JIT的Python实现，使用LLVM编译器实现代码解析与转换。
相关链接：https://github.com/dropbox/pyston
Nuitka
Nuitka 是一个Python的替代品，一些团队正用它做完全的Python编译工具，并尝试将Python代码转译为其它可高速运行的编程语言。Nuitka(nuitka.net)可以将python代码转换为C++代码，然后编译为可执行文件，并通过直接调用python的api的方式实现从解析语言到编译语言的转换，并且在转换到C++的过程中直接使用python的解释器，可以保证100%的语法兼容。虽然这限制了它的可移植性，但不可否认这个转换的速度获得了肯定。
相关链接：http://nuitka.net/
Cython
Cython是Python 的C语言扩展。准确说Cython是单独的一门语言，专门用来写在Python里面import用的扩展库。实际上Cython的语法基本上跟Python一致，而Cython有专门的编译器:先将 Cython代码转变成C(自动加入了一大堆的C-Python API)，然后使用C编译器编译出最终的Python可调用的模块。不过Cython的缺点是，你并不能真正编写Python代码，这样一来，现有代码将不会完全自动转移成功。
也就是说，Cython在提速方面有很大优势，它是一个用来快速生成Python扩展模块(extention module)的工具。而在Cython，C里的类型，如int,float,long，char*等都会在必要的时候自动转成python对象，或者从python对象转成C类型，在转换失败时会抛出异常，这正是Cython最神奇的地方。另外，Cython对回调函数的支持也很好。总之，如果你有写python扩展模块的需求，那么Cython真的是一个很好的工具。
相关链接：http://cython.org/
Numba
Numba综合了前两种方法，是Cython的竞争项目。同样的，numba把Python源码通过LLVMPy生成JIT后的.so文件来加速。不同点在于，Numba是以JIT为主的，加速对源码的侵入性较小。而Cython则重点在加速高性能Python模块的开发上，不依赖LLVMPy项目。此外numba还很不成熟，目前兼容性相当差。
相关链接：http://numba.pydata.org/
Python创始人Guido van Rossum坚信Python的许多性能问题可以归结为语言的使用不当。例如，对于CPU消耗过高的处理，可以通过一些方法来加速Python运行——使用NumPy、使用多处理器扩展、或借助外部C代码从而避免全局解释器锁(GIL)——Python缓慢的根源。但由于在Python中还没有可行的GIL替代语言，Python仍将在短期落后于其他语言——甚至可能更长时间。