【原】Python新建序列，怎么写更快

大家好，欢迎来到 Crossin的编程教室~

一组1000万个0~100的整数序列，用它来生成一个新的序列，要求如果原本序列中是奇数就不变，如果是偶数就变成原来的一半。

你会怎么写？

来看几份参考答案：

青铜：

def for_method(data):    result = []    for x in data:        if x % 2 == 0:            result.append(x // 2)        else:            result.append(x)    return result‍

（自测耗时：0.95秒）

新建一个空列表，for循环遍历原列表，依次判断每个元素，如果能被2整除就除以2添加进新列表，否则直接添加进新列表。

白银：

def lc_method(data):    return [x if x % 2 else x // 2 for x in data]

（自测耗时：0.75秒）

通过列表解析式生成新列表，不仅代码更简洁明了，耗时还变少了。

黄金：

def numpy_method(data):    arr = np.array(data)    return np.where(arr % 2 == 0, arr // 2, arr).tolist()

（自测耗时：0.90秒）

用numpy的where方法生成新的数组。看起来效率好像还不如列表解析式嘛？这是因为大部分时间都花在了列表和ndarray的转换上。如果这组序列本身就用numpy的数组来存储的话：

def numpy_array_method(data):    return np.where(data % 2 == 0, data // 2, data)

（自测耗时：0.32秒）

速度直接碾压列表解析式。

王者：

@numba.jit(nopython=True)def numba_method(data):    result = np.copy(data)    for i in range(len(data)):        if result[i] % 2 == 0:            result[i] //= 2    return result

（自测耗时：0.65秒）

还是用for循环，不过给函数加上一个装饰器，表示用Numba JIT编译，这个看起来平平无奇的写法会有什么效果呢？好像也没有比直接用numpy快多少嘛？

别急，让我们加大剂量，把序列长度调整到1亿，优势就体现出来了。（numba：1.21秒 vs numpy：3.04秒）

你还有其他写法吗？

作者：Crossin的编程教室