为什么NumPy数组循环运算速度慢于Python原生列表？

• Python列表存储的是Python对象指针，循环读取values[i]时直接返回现成的Python整型对象，除法运算直接基于Python对象规则执行，额外开销极低。
• NumPy数组底层存储的是连续的原生类型数值（本例中为int64），并非Python对象。你在Python层写for循环遍历数组元素时，每次读取元素都要将底层原生整型转换为Python整型对象，每次赋值还要将Python浮点型结果转换为原生浮点型写回数组，同时还要执行下标越界检查，这些叠加的额外开销远高于列表循环的开销，所以速度更慢。
• 你之前认知中「NumPy数组运算快于列表」的结论，前提是运算逻辑实现在C层而非Python层。uFunc速度最快就是因为整个计算过程完全在C层执行，没有Python层循环的开销，也不需要反复做类型转换，同时充分利用了连续内存的引用局部性优势，性能才会远超两种Python层循环实现。
• 额外说明：即使数组规模进一步扩大，Python层手写的NumPy循环性能依旧会低于列表循环，只有使用向量化操作、将循环逻辑交给NumPy底层C代码执行时，NumPy的性能优势才会体现。

内容的提问来源于stack exchange，提问作者Danny Han