python的arange_python-内置范围或numpy.arange：哪个更有效？

对于大型数组，numpy应该是更快的解决方案。

在numpy中，您应该结合使用矢量化计算，ufunc和索引来解决您的问题，因为它以xrange的速度运行。与此相比，遍历numpy数组效率低下。

(您可能会做的最坏的事情是使用由xrange或np.arange创建的索引遍历数组，这是您的问题的第一句话，但我不确定您是否真的是这样。)

import numpy as np

import sys

sys.version

# out: '2.7.3rc2 (default, Mar 22 2012, 04:35:15) \n[GCC 4.6.3]'

np.version.version

# out: '1.6.2'

size = int(1E6)

%timeit for x in range(size): x ** 2

# out: 10 loops, best of 3: 136 ms per loop

%timeit for x in xrange(size): x ** 2

# out: 10 loops, best of 3: 88.9 ms per loop

# avoid this

%timeit for x in np.arange(size): x ** 2

#out: 1 loops, best of 3: 1.16 s per loop

# use this

%timeit np.arange(size) ** 2

#out: 100 loops, best of 3: 19.5 ms per loop

因此，在这种情况下，正确执行numpy的速度比使用xrange快4倍。 根据您的问题，numpy可能比速度提高4到5倍要快得多。

该问题的答案解释了使用numpy数组代替大型数据集的python列表的其他一些优点。