经测试，Nuitka打包后的exe比Pyinstaller打包后的exe运行速度提升30%，PyQT5的UI文件转换成py文件转换成C语言后，界面秒开呀。

• Numpy等类似c程式和pyd的调用还是忽略编译好，不要一咕噜全梭哈啦，编译后反而更慢。重点事项是要小本本记上，别说本豪猪没有提醒呀
• Nuitka的优化命令阅读本文后再了解下《Nuitka之乾坤大挪移-让天下的Python都可以打包》，打包和调试时间节省到5分钟内。PyQT,Numpy,Scipy,Pandas,Opencv,OpenpyXL等pyd的模块不编译，交给python3x.dll来调用，避免模块依赖失败。生成的UIxxx.py文件和你编写的py模块(可以包含IP,密码)放到一个下一级的文件夹，设置为必须编译为C/C++。**从此你的打包成功率提升到95%，exe打开速度提升到一秒左右_**。

  --nofollow-imports  # 所有的import不编译，交给python3x.dll执行
  --follow-import-to=need  # need为你需要编译成C/C++的py文件夹命名

1. 下载MinGW64 8.1(MinGW编译器比MSVS编译器要快，并且不需要下载一堆20多G的安装文件到C盘)，市面上有新的版本，目前为止还是这个版本最稳定https://sourceforge.net/projects/mingw-w64/files/版本不要弄错(最低的是8.1.0版本，32和64位的版本要注意)

2. 解压后放在C盘目录下，查询gcc.exe是否有效输入gcc.exe —version 检查是否有版本显示3. 设置环境变量4.安装 Nuitkapip install nuitka或者安装最新版本(根据使用经验发现新版本修复问题多，兼容性更好)pip install -U “https://github.com/Nuitka/Nuitka/archive/develop.zip“5.编译文件，以下是常用命令，仅限入门使用，仅限入门使用，仅限入门使用，高级部分看另一篇教程

—mingw64 #默认为已经安装的vs2017去编译，否则就按指定的比如mingw(官方建议)—standalone 独立环境，这是必须的(否则拷给别人无法使用)—windows-disable-console 没有CMD控制窗口—output-dir=out 生成exe到out文件夹下面去—show-progress 显示编译的进度，很直观—show-memory 显示内存的占用—include-qt-plugins=sensible,styles 打包后PyQt的样式就不会变了—plugin-enable=qt-plugins 需要加载的PyQt插件—plugin-enable=tk-inter 打包tkinter模块的刚需—plugin-enable=numpy 打包numpy,pandas,matplotlib模块的刚需—plugin-enable=torch 打包pytorch的刚需—plugin-enable=tensorflow 打包tensorflow的刚需—windows-icon-from-ico=你的.ico 软件的图标—windows-company-name=Windows下软件公司信息—windows-product-name=Windows下软件名称—windows-file-version=Windows下软件的信息—windows-product-version=Windows下软件的产品信息—windows-file-description=Windows下软件的作用描述—windows-uac-admin=Windows下用户可以使用管理员权限来安装—linux-onefile-icon=Linux下的图标位置—onefile 像pyinstaller一样打包成单个exe文件(2021年我会再出教程来解释)—include-package=复制比如numpy,PyQt5 这些带文件夹的叫包或者轮子—include-module=复制比如when.py 这些以.py结尾的叫模块如下是一条完整的命令 编译的py文件为index.py（注意这是入门命令）nuitka —mingw64 —standalone —show-progress —show-memory —plugin-enable=qt-plugins —include-qt-plugins=sensible,styles —output-dir=out index.py看视频中的exe运行是不是很快，动手试试吧。可以放心用Python写代码了，也不用担心源码被别人看见，速度慢也不见得哦，现在可是C语言的代码了。著名的Blender就是用Nuitka编译的这些文章都是我花费了好久的时间不断测试与探索，后期的一些bug总结文章是我们群的极客们总结的，顺手点个赞，与我们一起祝python从此走出反编译和速度慢的魔域！！！

https://zhuanlan.zhihu.com/p/133303836