为何在Numba jitclass中初始化numpy数组列表的两种写法运行结果不同？

这个问题的核心在于Numba的类型系统在JIT编译上下文和Python解释器上下文的行为差异，以及jitclass对属性类型的严格匹配要求。

两种写法的本质区别 #

1. 第一种可行写法中，typed.List.empty_list(numba.int64[:])是作为默认参数在**Python解释器层面（非JIT编译代码）**创建的。此时这个列表实例的类型是明确的，typeof()能准确获取它的类型typed.ListType(numba.int64[:])作为jitclass的spec。当__init__运行时，你只是把这个预创建的、类型完全符合spec的列表赋值给self.test，Numba能顺利验证类型并完成初始化。

2. 第二种失败写法中，typed.List.empty_list(numba.int64[:])是在JIT编译后的__init__方法内部调用的。虽然你传入了元素类型numba.int64[:]，但在Numba的JIT编译阶段，这个调用的返回类型没有被正确解析为和spec中一致的typed.ListType(numba.int64[:])——简单来说，Numba在JIT内部创建列表时，无法自动确认这个动态创建的列表类型和你在spec中定义的类型完全匹配，导致类型检查失败。

解决方法 #

你可以直接在spec中显式定义typed.List的类型，而不是通过typeof()间接获取，这样Numba在JIT内部创建列表时就能明确对齐类型。修改后的代码如下：

import numba
from numba import types, typed
from numba.experimental import jitclass
import numpy as np

# 显式定义列表类型
list_type = typed.ListType(numba.int64[:])
spec = [ ('test', list_type) ]

@jitclass(spec)
class myLIST(object):
    def __init__ (self):
        # 在JIT内部创建列表时，使用显式指定的元素类型
        self.test = typed.List.empty_list(numba.int64[:])
        self.test.append(np.asarray([0]))
    def dump(self):
        self.test.append(np.asarray([1]))
        print(self.test)

a = myLIST()
a.dump()

这样修改后，代码就能正常运行了。本质上是让spec中的类型定义更明确，消除Numba在JIT编译阶段的类型推断歧义。

内容的提问来源于stack exchange，提问作者Денис Грачев