解释器是一种让其他程序运行起来的程序，它是代码与机器的计算机硬件之间的软件逻辑层，Python解释器就是能够让Python程序在机器上执行的一套程序。
当我们执行写好的Python代码时，Python解释器会执行两个步骤
1、把原始代码编译成字节码
编译后的字节码是特定于Python的一种表现形式，它不是二进制的机器码，需要进一步编译才能被机器执行，这也是Python代码无法运行的像C/C++ 一样快的原因。如果Python进程在机器上拥有写入权限，那么它将把程序的字节码保存为一个以.pyc 为扩展名的文件，如果Python无法在机器上写入字节码，那么字节码将会在内存中生成并在程序结束时自动丢弃。在构建程序的时候最好给Python赋上在计算机上写的权限，这样只要源代码没有改变，生成的.pyc文件可以重复利用，提高执行效率。
2、把编译好的字节码转发到Python虚拟机（PVM）中进行执行
PVM是 Python Virtual Machine的简称，它是Python的运行引擎，是Python系统的一部分，它是迭代运行字节码指令的一个大循环、一个接一个地完成操作。
Python解释器有三种主要的实现方式，CPython、Jython和IronPython 三种实现方式 。
1、CPython
CPython 是标准的实现，其它的都是有特定目标的。
CPython 是由C语言编写的，它是大多数Linux和Mac OS X机器预装的Python解释器，也是所有Python解释器中运行最快、最完整、最健全的。
2、Jython
Jython 是一种Python语言的替代实现方式，其目的是为了与Java编程语言集成，Jython 包含了Java类，这些类编译Python源代码、形成Java字节码，并将得到的字节码映射到Java虚拟机（JVM）上。因为Jython要比CPython 慢而且也不够健壮，它往往看作是一个主要面向寻找Java代码前端脚本语言的Java开发者的一个有趣的工具。
3、IronPython
IronPython 设计的目的是让Python 程序可以与Windows 平台上的.NET 框架以及与之对应的Linux的上开源的Mono编写成的应用集成。
IPython是基于CPython之上的一个交互式解释器，也就是说，IPython只是在交互方式上有所增强，但是执行Python代码的功能和CPython是完全一样的。好比很多国产浏览器虽然外观不同，但内核其实都是调用了IE。
CPython用>>>作为提示符，而IPython用In [序号]:作为提示符。
PyPy是另一个Python解释器，它的目标是执行速度。PyPy采用JIT技术，对Python代码进行动态编译（注意不是解释），所以可以显著提高Python代码的执行速度。
绝大部分Python代码都可以在PyPy下运行，但是PyPy和CPython有一些是不同的，这就导致相同的Python代码在两种解释器下执行可能会有不同的结果。如果你的代码要放到PyPy下执行，就需要了解PyPy和CPython的不同点。
psyco 系统不是Python的另一种实现方式，而是Python字节码执行模块的一个扩展组件，它可以让程序运行的更快。它是一个PVM的增强工具，这个工具收集并使用信息，在程序运行时，可以将部分程序的字节码转换成底层的真正的二进制机器代码，从而实现更快的执行速度。在开发个过程中，Psyco无需代码的修改或独立的编译步骤即可完成这一转换。
概括地讲，就是当程序运行时，Psyco收集了正在传递过程中的对象的类别信息，这些信息可以用来裁剪对象的类型，从而生成高效的机器代码。机器代码一旦生成，就替代了对应的原始字节码，从而加快程序的整体执行速度。一些通过Psyco优化的Python代码的执行速度可以像编译好的C代码一样快。
因为字节码的转换与程序运行同时发生，所以Pysco往往被看做是一个即时编译器（JIT）。实际上Psyco是一个专有的JIT编译器：它生成机器代码将数据类型精简至你程序实际上所使用的类型。
Psyco是用纯Python的算法代码实现的。这点尤为重要，那些为了优化往往需要迁移到C的那部分代码，使用了Psyco后，这样的迁移就没有必要了。
但总的来说，作用上是几乎与原来的.py脚本没有区别的，也就是“然并卵 ”（当然，并非毫无作用。比如，我个人觉得用处最大的地方就是防止别人偷看我的代码。毕竟.py源文件是直接以源码的形式呈现给大家的）
python -m py_compile /path/to/需要生成.pyc的脚本.py #若批量处理.py文件
#则替换为/path/to/{需要生成.pyc的脚本1,脚本2,...}.py
#或者/path/to/
import py_compile
py_compile.compile(r‘/path/to/需要生成.pyc的脚本.py‘) #同样也可以是包含.py文件的目录路径
#此处尽可能使用raw字符串，从而避免转义的麻烦。比如，这里不加“r”的话，你就得对斜杠进行转义
另外，生成.pyo文件的格式调用如下：
python -O -m py_compile /path/to/需要生成.pyo的脚本.py
那么，有人要问了：为什么不是像生成.pyc文件那样采用“python -O /path/to/需要生成.pyo的脚本.py”形式的调用？
“忘记”说明这一点了，很多博客以及书籍都像我上面那样解释“-O”选项的作用，但详细来解释的话是
-O选项，将.pyc文件优化（注意我一直强调的“优化”二字，这里就用到啦！）为.pyo文件，而不是将.py文件优化编译为.pyo文件。（其直接的结果是优化编译后的文件略微小于.pyc文件，也就是“减肥”了。现在，大家知道.pyo文件为什么小的原因了吧！）
注意：
以上无论是生成.pyc还是.pyo文件，都将在当前脚本的目录下生成一个含有字节码的文件夹__pycache__。
可能还有人会问，.pyd文件又是什么鬼（＞﹏＜）？！（问题真多，精分ing...）
别在意，那只是Python的动态链接库。如果要深究，还得扯上C++的知识（长篇大论的，会被喷的啊）。
再啰嗦一句：生成字节码的方法多了去了，不止以上这几种。比如，你们不妨试试将上面命令行调用中的“py_compile”改成“compileall”，而代码行中的“py_compile.compile”改成“compileall.compile_file”或“compileall.compile_dir”，又或者直接使用带有编译功能的IDE生成字节码。
再再啰嗦一句：知道Python运行机制，并不是我们一般人所必须的。但是，了解其加速程序运行以及优化代码的设计思想，对于我们在日后构造缓存系统、如何减少不必要的运行时间，以及同步更新工作内容等问题上起到很大的借鉴作用。
若想要了解更多的内容，可以去翻翻官方文档和其他博客：原文：https://www.cnblogs.com/hude/p/12642597.html