考虑到您专门要求 Python，我将尝试回答您的问题。我将描述我自己解决模拟问题的方法。本描述中给出了更快模拟的策略。

首先，我用 Python 制作新模拟的原型。当然，我尽量使用NumPy和SciPy。NumPy 为数值模拟提供了合适的数组数据类型，而 SciPy 提供了广泛的使用 NumPy 数组的数值例程。

一旦原型或多或少地工作，我会尝试了解程序或脚本的哪些部分是瓶颈。有典型的候选人：

• Python 中的循环很慢。非常慢。
• 由于 Python 使用鸭子类型，调用函数可能会很慢。

我使用一个简单的分析策略来了解所有运行时间都花在了哪里。使用IPython shell（我推荐的不够多），我运行我的脚本

%timeit script.py

这个“魔术命令”将为您进行分析（使用timeit），并在您的脚本终止后向您显示一个包含时间的列表。使用此列表找出您的代码太慢的地方。

一旦确定了需要加速的部分，就可以考虑使用编译语言。我将指出两个解决方案。

首先是Cython语言。Cython 是一种与 Python 非常相似的编程语言（事实上，Python 代码通常也是有效的 Python 代码）；但是，Cython 编译器将 Cython 文件转换为 C 代码，然后可以将其编译为可从 Python 使用的模块。Cython 理解 NumPy 数组。使用 Cython 可以通过两种方式帮助您：首先，您可以引入数据类型。这将加快函数调用。此外，如果您遍历数组，您的循环将运行得更快（事实上，如果您同时键入虚拟变量和数组，您将得到一个普通的 C 循环！）。其次，在我的实验中，即使是无类型的脚本也运行得更快一些，因为它们是编译的而不是解释的。

对您有用的另一种编译语言是 Fortran。将 Fortran 与 Python 结合使用有多种方法（f2py、fortwrap、Cython）。就我个人而言，f2py 似乎是最简单的方法，我将快速描述它的作用。f2py 可以将 Fortran 代码编译为 Python 模块。它将允许您使用 NumPy 数组作为 Python 空间的输入和输出变量。在 Fortran 空间中，这些将是普通的 Fortran 数组。您可以以全 Fortran 速度对它们进行操作。

就个人而言，我倾向于使用 Cython，其中函数调用的数量是瓶颈。对于循环繁重的东西，我更喜欢 f2py（可能是因为我有很强的 Fortran 背景）。

关于 Fortran 的附加说明：现代 Fortran 的读写与 NumPy 非常相似——语法非常接近。这使得将 NumPy 代码转换为 Fortran 代码变得容易。

请注意，Cython 和 f2py 都以某种方式支持并行性。对于 Cython，您可以在此处找到帮助，而对于 Fortran，有标准技术，例如OpenMP或 MPI。此外，还有MPI 的 Python 包装器。就个人而言，我在 Python 级别使用 mpi4py 以及在 Fortran 中使用 OpenMP。

让我推荐一些文献：H.-P 的Python Scripting For Computational Science一书。Langtangen 是一个很好的 Python 资源，以及让 Python 更快一点的策略。不幸的是，AFAIR，它没有提到 Cython 上的任何内容。作为我的第二个资源，您可以查看这些幻灯片。这些为我在这篇文章中提到的所有内容提供了示例（另请参见此处的代码和源代码）。互联网上还有许多其他不错的幻灯片。

如果您有更具体的问题，我们很乐意为您提供帮助！

对于 CFD+Python，有一个解决方案：http: //pythonflu.wikidot.com/这些是基于 OpenFOAM 的 Python 绑定（在问题的评论中已经提到）。这些绑定允许在“求解器级别”上进行编程（有些示例在 Python 中复制了原始 OpenFOAM 求解器，并且它们并不比原件慢 - 另一个答案中提到的慢循环在这里不是问题，因为“内部循环”会发生在 OpenFOAM 的 C++ 代码中）。

这些绑定的优点还在于 OpenFOAM 中的所有并行化都发生在求解器级别之下，因此您不必费心处理它（以及 OpenFOAM 核心处理的其他内容：输入/输出，线性求解器，算子离散化）

因此，如果您只想编写一个新的求解器而不向 OF 核心添加新功能（边界条件、线性求解器等），那么 PythonFlu 可能对您来说就足够了，您可以避免使用 C++（它比 C++ 具有更高的学习治愈率） Python）

PS：本来想将此作为评论添加到原始问题的讨论中，但我的声誉不允许我这样做