为何np.repeat性能如此高效？Rust实现Poisson bootstrap中repeat函数的性能优化问询

最近我在Rust里实现Poisson bootstrap，特意把自己写的repeat函数和numpy的np.repeat做了性能对比。先给大家说下这个repeat函数的功能：它接收两个参数，一个是数据数组，一个是权重数组，作用是把数据里的每个元素按照对应的权重次数重复输出，比如输入[1, 2, 3]和[1, 2, 0]，输出就是[1, 2, 2]。

但实测下来，我写的 naive 版本居然比np.repeat慢了大概4.5倍，这差距有点超出预期，所以想请教下大家：

先贴我目前的Rust实现（naive版）： #

pub fn repeat_by(arr: &[f64], repeats: &[u64]) -> Vec<f64> {
    arr.iter()
        .zip(repeats.iter())
        .flat_map(|(&val, &cnt)| std::iter::repeat(val).take(cnt as usize))
        .collect()
}

我的几个核心问题： #

• 为啥np.repeat性能能这么强？是因为底层用了C写的内存预分配、SIMD指令，还是有其他更巧妙的优化？
• 我的Rust代码大概率是哪里拖了后腿？会不会是flat_map搭配repeat迭代器的组合产生了过多的小迭代器开销？
• 针对Poisson bootstrap的场景（这里的权重是泊松分布生成的整数），有没有更适配Rust的优化方向？比如提前计算总长度预分配内存，或者用更底层的内存循环/拷贝代替迭代器？

希望有经验的大佬能给我点优化思路，感激不尽！

内容来源于stack exchange