详解Python文件： .py、.ipynb、.pyi、.pyc、​.pyd ！

.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.pyi
def 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.pyw
import tkinter as tk
def 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, i
def 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 brun.py

import fbimport timeit
def 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。

关注公众号【机器学习与AI生成创作】，更多精彩等你来读

卧剿，6万字！30个方向130篇！CVPR 2023 最全 AIGC 论文！一口气读完

深入浅出stable diffusion：AI作画技术背后的潜在扩散模型论文解读

深入浅出ControlNet，一种可控生成的AIGC绘画生成算法！ 

经典GAN不得不读：StyleGAN

 戳我，查看GAN的系列专辑~！一杯奶茶，成为AIGC+CV视觉的前沿弄潮儿！
最新最全100篇汇总！生成扩散模型Diffusion ModelsECCV2022 | 生成对抗网络GAN部分论文汇总
CVPR 2022 | 25+方向、最新50篇GAN论文
 ICCV 2021 | 35个主题GAN论文汇总
超110篇！CVPR 2021最全GAN论文梳理
超100篇！CVPR 2020最全GAN论文梳理

拆解组新的GAN：解耦表征MixNMatch

StarGAN第2版：多域多样性图像生成

附下载 | 《可解释的机器学习》中文版

附下载 |《TensorFlow 2.0 深度学习算法实战》

附下载 |《计算机视觉中的数学方法》分享

《基于深度学习的表面缺陷检测方法综述》

《零样本图像分类综述: 十年进展》

《基于深度神经网络的少样本学习综述》

《礼记·学记》有云：独学而无友，则孤陋而寡闻

点击一杯奶茶，成为AIGC+CV视觉的前沿弄潮儿！，加入 AI生成创作与计算机视觉 知识星球！