为何Python内置str.join()方法性能未优于+=？附NumPy测试案例

首先生成测试用的NumPy数组：

binary_str = np.random.randint(2, size=1000000, dtype='int')

两种字符串拼接方法 #

方法1：利用join一次性拼接 #

binary_str = ''.join(binary_str.astype(str))

方法2：循环逐个拼接 #

s = ''
for c in binary_str:
    s += str(c)

性能疑问 #

按常规认知，方法1应该比方法2快很多——join是一次性完成字符串拼接，避免了循环中反复内存分配和复制的开销（理论时间复杂度O(n)）；而方法2每次循环都要创建新字符串并复制，理论时间复杂度为O(n²)。但在Python 3.10.4中用time.time或timeit测试时，两种方法耗时几乎相同，甚至方法1耗时更长，这是什么原因？

原因解析 #

这个反常现象是NumPy的迭代机制和**astype(str)的额外开销**共同导致的：

• 方法1中，binary_str.astype(str)会先把整个NumPy数组转换成字符串类型的数组，这个过程本身就有不小的开销；而且直接对NumPy字符串数组使用join时，底层还是会逐个迭代数组元素，并没有真正发挥join的高效批量拼接优势。
• Python 3对字符串拼接做了针对性优化，s += str(c)的底层实现不再是每次创建新字符串，而是会复用内存空间，实际时间复杂度接近O(n)，抵消了循环的部分劣势。

如果先将转换后的字符串数组转成Python原生列表，再调用join，就能体现出两者显著的性能差异：

binary_str = ''.join(binary_str.astype(str).tolist())

内容的提问来源于stack exchange，提问作者li_jessen