Python的numpy库大幅提升xor异或运算的效率

每种编程语言和Excel都有异或运算，Python默认的异或运算符号是^，在对二进制大文件进行异或运算时，若对每个字节异或运算，^的运算效率显得十分低下。难道Python的效率永远就是这么低吗？

如何提升Python的异或运算效率，我翻阅了几本教科书都没找到，后来在网上找到参考文章，得知原来numpy库有字节类相关的运算：numpy.bitwise_xor，可以对一个字节整体进行运算，异或运算效率得到极大提升，可谓神来一笔！

以下是我测试的代码：

import time
import numpy
# 异或运算的参数
num=88

# 方法一：逐个字节地进行异或运算并写入文件
def test1():
    # 生成一串5MB的随机字节，模拟一个5MB的二进制文件
    aa=bytes(numpy.uint8(numpy.random.randint(0, 256, 5*1024*1024)))
    now=time.time()
    with open('test1.dat','wb') as file:
        for i in aa:
            file.write(bytes([i^num]))
    print(f'方法一用时：{time.time()-now:.2f}s')

# 方法二：用numpy进行整体异或运算，最后才写入文件
def test2():
    aa=bytes(numpy.uint8(numpy.random.randint(0, 256, 5*1024*1024)))
    now=time.time()
    bb=bytearray(numpy.bitwise_xor(bytearray(aa),num))
    with open('test2.dat','wb') as file:
        file.write(bb)
    print(f'方法二用时：{time.time()-now:.2f}s')
    
if __name__=='__main__':
    test1()
    test2()

在我的3.8G的CPU台式电脑上运行的结果显示：

方法一用时：2.09秒

方法二用时：0.02秒

效率相差竟然达到瞠目结舌的100+倍！！！