python中shape 0,python – len(arr)和arr.shape [0]之间的Numpy性能差距

我发现len(arr)几乎是arr.shape [0]的两倍,我想知道为什么.

我使用的是Python 3.5.2,Numpy 1.14.2,IPython 6.3.1

以下代码演示了这一点：

arr = np.random.randint(1, 11, size=(3, 4, 5))

%timeit len(arr)

# 62.6 ns ± 0.239 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

%timeit arr.shape[0]

# 102 ns ± 0.163 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

我还做了一些比较测试：

class Foo():

def __init__(self):

self.shape = (3, 4, 5)

foo = Foo()

%timeit arr.shape

# 75.6 ns ± 0.107 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

%timeit foo.shape

# 61.2 ns ± 0.281 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

%timeit foo.shape[0]

# 78.6 ns ± 1.03 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

所以我有两个问题：

1)为什么len(arr)的工作速度比arr.shape [0]快？ (我原以为len会因为函数调用而变慢)

2)为什么foo.shape [0]的工作速度比arr.shape [0]快？ (换句话说,在这种情况下,numpy数组会产生什么开销呢？)