python加速之numpy与numba

最近在看深度学习加速计算时，发现了numba加速库，声称能加速python运行速速度高达百倍

首先是测速的工具

常规的测速工具是time.time()，但是在internet上看到有人说，这个不准确，python有个强大的代码测速库：timeit，于是就斗胆用这个试试。
然后就开始造一个例子：那就求一个二维数组的和吧！
首先用python原生的列表：

def go_pylist():
    a = list(range(100))
    b = list(range(100))
    c = []
    for i in range(len(a)):
        a[i] = i ** 2
        b[i] = i ** 3
        c.append(a[i] + b[i])
    return c

然后定义numpy：

def go_numpy():
    x = np.arange(100)
    y = np.arange(100)
    z = x**2 + y**3
    return z

最后numba，语法倒挺简单，用jit装饰器就可以了：

@jit(nopython=True) # jit，numba装饰器中的一种
def go_numba(): # 首次调用时，函数被编译为机器代码
    x = np.arange(100)
    y = np.arange(100)
    z = x**2 + y**3
    return z

利用timeit计算耗时结果（每个函数跑他个100遍）：

timeit的number参数：表示当前测速的程序运行几遍

print('python List:', timeit('go_pylist()', 'from __main__ import go_pylist', number=100))
print('python numpy:', timeit('go_numpy()', 'from __main__ import go_numpy', number=100))
print('python numba + numpy 首次编译:', timeit('go_numba()', 'from __main__ import go_numba', number=100))
print('python numba + numpy 再次运行:', timeit('go_numba()', 'from __main__ import go_numba', number=100))

迫不及待看结果喽：

python List: 0.005218099999183323
python numpy: 0.0003794999975070823
python numba + numpy 首次编译: 0.8580956000005244
python numba + numpy 再次运行: 0.00011240000094403513

差别不大，我再跑1000遍：

python List: 0.05830569999670843
python numpy: 0.00400420000005397
python numba + numpy 首次编译: 0.975803299999825
python numba + numpy 再次运行: 0.0008096999990812037

一给我里giao giao：

numpy提速已经很离谱啦！！！但是numba好像没那么叼哎！
第一次运行numba，耗时尽然普遍超过python原生列表和numpy，我叹为观止！
再次运行就遥遥领先。numba运行两次才能提速，那两次加起来不是更耗时么？？谁能给我解答一下？

PS：忽略产生数据的速度差异了，而且，我好像混淆了计算加速和运行代码加速，不过没啥影响，numba和numpy对比就可以了！