Pythonの最大の弱点である遅さを克服する方法を，初心者向けのレベルでまとめました．
Cython/Numba/ctypes/pybind11解説（PDF，67ページ，787KB）
これはPython3ライブラリブックの抜粋です．
処理内容や使い方によってはC言語に匹敵する速度が得られます．
NumPyによるベクトル化の対象とならないような，for，whileによる反復処理も，数値演算なら十分な速度が出せるようになりました．
4つの方法について解説しています．
・Cython：
Pythonに近い「Cython言語」で記述したプログラムをC/C++のソースコードに変換してコンパイルし，通常のPythonからimport可能な「拡張モジュール」にする．
・Numba：
最適化を指示するデコレータを関数定義に付加すると，JITコンパイラ（LLVM）によってその関数が機械語に変換される．利用方法は最も手軽．通常は最初の呼び出し時にコンパイルが行われるため，性能測定などではあらかじめ一度ウォームアップ実行する．
特にNumPyと組み合わせると，顕著に高速化されることがある．
・ctypes：
C言語などで作った動的ライブラリ（WindowsのDLLやLinuxの.soファイルなど）をPythonプログラムから読み込んで利用する仕組み．C ABIを介して，C言語で書かれた関数をPythonから呼び出すことができる．
・pybind11：
C++で作られた関数やクラスをPythonから自然に利用できるようにする仕組み．C++側にPythonとの接続用のラッパを記述し，通常のPythonからimport可能な拡張モジュールを作成する．クラスやSTLなどを含むPythonとC++の高度な連携が可能になる．
C/C++言語の入門書もこちらで公開しています．