我强烈推荐使用StochKit，它确实非常可靠和高效。它实现了 Gillespie 的直接方法以及最流行的优化变体。此外，它具有内置机制，可根据您的网络选择适当的模拟方案。

但是，它是用 C++ 编写的。如果你真的需要将它与 Python 集成，那应该不是问题。我在 MATLAB 脚本中广泛使用它（基本上，MATLAB 编写模拟的描述符，调用 StochKit，最后执行数据分析）。我相信你可以用 NumPy 或 SciPy 做几乎相同的事情。

（免责声明：我没有使用下面的任何包或代码。）

在 Python 中找到 Gillespie 方法的任何实现有点困难。最有成效的搜索词似乎是“tau jump”或“kinetic Monte Carlo”。这篇博文实现了 Gillespie 的算法，但不清楚它是否有效。其中一位评论者提到了 Python 中的一些其他 Gillespie/SSA 算法实现，它们解决了教科书上的问题；相关问题为本网站6.3至6.6 。

我发现 Python 中最有前途的实现是StochPy和 Python 语言绑定到COPASI。我还在SPPARKS、STOCKS和StochKit中发现了看起来很有前途的 C++ 代码；它们不是 Python，但如果它看起来对您特别有希望，也许您可​​以用 Python 围绕其中之一。

作为实验室的一部分，开发和维护 StochKit。我很高兴听到在以前的答案中强烈推荐它。但是，我想更新每个人。StochKit 已经有一个 python 包装器：GillesPy。

我还建议您查看 StochSS，这是一个功能齐全的建模和模拟 IDE，它使用 StochKit 并作为其模拟引擎之一。它还包括使用 python 包 PyURDME 进行空间模拟。模型构建和 3D 可视化工具（加上云计算集成）。

如果您问这个问题，您可能已经知道，Gillespie 的方法经常用于计算系统生物学。有许多提供实现的软件系统；您可能想浏览SBML 软件指南以找到其中的一些（特别是已知支持 SBML 的那些，我意识到这可能与您的需求无关）。然而，Geoff Oxberry 是正确的，与 C++ 和 Java 实现相比，Gillespie 算法的基于 Python 的实现似乎并不常见。除了 StochPy，我还知道以下基于 Python 的包（按字母顺序）：

• ByoDyn
• 邋遢细胞
• 脚步

如果在您的应用程序中，您可以使用以 Python 以外的方式编码但可以用 Python 接口包装的软件，那么有

• Cain — 核心是 C++，但它包含一个基于 Python 的接口
• COPASI 语言绑定
• Geoff Oxberry 在本页回复中提到的其他几个选项

最后，如果您不需要在本地运行模拟而是可以使用 Web 服务，那么有以下选项：

• 基础
• （模拟服务目前离线，但会回归）SBW
• ByoDyn 的在线服务（见上面的链接）

这些列表仍然不完整，但希望它们会有所帮助。