python array太慢_为什么Python的数组很慢？

蒂姆·彼得斯回答了为什么这很慢，但让我们看看如何改进。

坚持你的例子sum(range(...))(这里比你的例子小10个因子，以便放入内存)：import numpy

import array

L = list(range(10**7))

A = array.array('l', L)

N = numpy.array(L)

%timeit sum(L)

10 loops, best of 3: 101 ms per loop

%timeit sum(A)

1 loop, best of 3: 237 ms per loop

%timeit sum(N)

1 loop, best of 3: 743 ms per loop

这样，numpy还需要装箱/拆箱，这会增加额外的开销。要使它快速，必须遵守numpy c代码：%timeit N.sum()

100 loops, best of 3: 6.27 ms per loop

所以从列表解决方案到numpy版本，这是运行时的一个因素16。

我们还要检查创建这些数据结构需要多长时间%timeit list(range(10**7))

1 loop, best of 3: 283 ms per loop

%timeit array.array('l', range(10**7))

1 loop, best of 3: 884 ms per loop

%timeit numpy.array(range(10**7))

1 loop, best of 3: 1.49 s per loop

%timeit numpy.arange(10**7)

10 loops, best of 3: 21.7 ms per loop

净胜球：纽比

还要注意，创建数据结构所需的时间与求和所需的时间(如果不是更多的话)差不多。分配内存很慢。

内存使用情况：sys.getsizeof(L)

90000112

sys.getsizeof(A)

81940352

sys.getsizeof(N)

80000096

因此，每个数字需要8个字节，开销也各不相同。对于我们使用的32位整数的范围来说已经足够了，所以我们可以保护一些内存。N=numpy.arange(10**7, dtype=numpy.int32)

sys.getsizeof(N)

40000096

%timeit N.sum()

100 loops, best of 3: 8.35 ms per loop

但在我的机器上，添加64位整数比添加32位整数快，所以只有在内存/带宽有限的情况下，这才是值得的。