python巨大的性能差异数组迭代与“if in”答案

【问题标题】：python massive performance difference array iteration vs "if in"python巨大的性能差异数组迭代与“if in”
【发布时间】：2021-07-25 00:10:12
【问题描述】：

下面的代码 sn-ps 都会检查数组中是否存在元素，但第一种方法需要

有人知道为什么吗？

import numpy as np
import time

xs = np.random.randint(90000000, size=8000000)

start = time.monotonic()
is_present = -4 in xs

end = time.monotonic()

print( 'exec time:', round(end-start, 3) , 'sec ') // 100 milliseconds

start = time.monotonic()
for x in xs:
  if (x == -4):
    break

end = time.monotonic()

print( 'exec time:', round(end-start, 3) , 'sec ') // 6000 milliseconds ```

repl link

【问题讨论】：

相关：stackoverflow.com/questions/8385602/… 和 medium.com/@gough.cory/…
用 PyPy 而不是 CPython 试试这个，它神奇地快得多，而且差距越来越近。原因是 CPython 是一个（慢）解释器。第一行执行优化的本机 C 调用，而第二行使用解释器迭代列表（与使用本机编译代码相比，这非常慢）。

标签： python performance for-loop for-in-loop

【解决方案1】：

numpy 是专门为加速这类代码而构建的，它是用 c 编写的，几乎所有的 python 开销都被删除了，相对而言，你的第二次尝试是纯 python，所以循环所有元素需要更长的时间

【讨论】：