关于Python中%timeit测试列表与NumPy运算速度的两大疑问

疑问1：为何此处NumPy运算比for循环更慢？ #

• 核心原因是数据集规模太小。NumPy的向量化运算在处理大规模数据时优势显著，但本身存在固定开销（比如数组创建、向量化操作的初始化成本）。当数据量极小（仅7个元素）时，这些固定开销会完全盖过向量化运算的效率优势。
• 列表推导式[val +5 for val in a]是Python原生的轻量级操作，针对少量元素的循环几乎没有额外开销，执行起来反而更快。
• 程序B中[a+5]还多了一步将NumPy数组包装成列表的操作，不过这部分开销很小，主要差异还是来自NumPy本身的固定成本。

疑问2：结果中平均用时为µs，偏差却用ns表示，原因是什么？ #

• 这是%timeit工具的可读性格式化策略：
  • 平均用时约1.07微秒（1070纳秒），用µs作为单位能让数值更简洁直观（避免写成1070 ns）。
  • 标准差仅为23.7纳秒，如果用µs表示就是0.0237 µs，小数位数过多不够直观。用ns作为单位能更清晰展示偏差大小，同时保持数值可读性。
  • 本质是选择最合适的单位，让结果数值既精确又易于理解，避免过多小数位或过大整数。

内容的提问来源于stack exchange，提问作者Harpreet Singh Kapula