python性能优化：numpy的手动索引比numpy的范围索引要快近千倍速度

最近看代码看到这么一个说法：

# numpy doesn't special case range indexing, so it's very slow.
# Slice manually instead, which is faster than any other method.
		
		
# NumPy 未对范围索引进行特殊优化，因此速度非常慢。
# 建议改为手动切片，这比其他任何方法都更快。

测试代码：

import numpy as np
import time

x=np.arange(1000000)
s=range(10000, 100000)

a=time.time()
for _ in range(100):
    x[10000:100000] = 1
    y = x[10000:100000]
    # print(y)
b=time.time()
print(b-a)



a=time.time()
for _ in range(100):
    x[s] = 1
    y = x[s]
b=time.time()
print(b-a)

运行性能对比：

性能差距700多倍：

增加10倍测试周期：

可以清楚的发现numpy的手动索引的速度实在是要比范围索引快的太多。

注明：

手动索引：

array[1:5]

范围索引：
array[1,2,3,4]

上面说的手动索引和范围索引有些不容易理解，这是老外的叫法，其实完全可以理解为切片和和索引号的方式。

简单来说，在numpy的索引中使用切片索引是速度最快的；而显式的给出索引号的方式是最慢的，尤其是较大规模的情况下，array[1:10000]的索引速度可能是array[list(range(1, 10000))]的几百倍。