在某些情况下，手动内存管理（这是cpython对其计数的方式）可能比自动管理要慢。
cpython解释器的实现局限性排除了PyPy可以进行的某些优化（例如，细粒度的锁）。
正如Marcelo所述，JIT。能够即时确认对象的类型可以节省您进行多个指针取消引用的操作，以最终到达您要调用的方法。
PyPy解释器在RPython中实现，RPython是Python的静态类型子集（该语言而不是cpython解释器）。-有关详细信息，请参阅https://pypy.readthedocs.org/en/latest/architecture.html。
那将取决于这些假设解释器的实现。例如，如果其中一个拿到了源代码，对其进行了某种分析，并在运行了一段时间后将其直接转换为目标紧密的特定汇编代码，我想它会比cpython快得多。
最近，在一个精心设计的示例中，PyPy优于使用编译的类似C程序gcc -O3。这是一个人为的案例，但确实体现了一些想法。
从官方网站。https://pypy.readthedocs.org/zh_CN/latest/architecture.html#mission- statement
我们旨在提供：
一个通用的翻译和支持框架，用于生成 动态语言的实现，强调 在语言规范和实现 方面之间的明确区分。我们称此为RPython toolchain_。
Python_语言的合规，灵活和快速实现，该语言使用上述工具链来启用新的高级高级功能，而不必对低级细节进行编码。
通过以这种方式分离关注点，我们的Python和其他动态语言的实现能够为任何动态语言自动生成即时编译器。它还允许采用混合匹配的方法来实施决策，包括许多历史上在用户控制范围之外的决策，例如目标平台，内存和线程模型，垃圾回收策略以及所应用的优化，包括是否具有首先是JIT。
C编译器gcc用C实现，Haskell编译器GHC用Haskell编写。您是否有理由不使用Python编写Python解释器/编译器？
602392714
清零编程群