Python 性能：原生循环、NumPy，与 np.vectorize 的陷阱

📋 概述

作者用 y = x*x + x 这个逐元素运算做基准，在 CPython 3.10.12 + NumPy 2.2.6 + Numba 0.67.0、i9-13900HX 单核绑定的环境里，对每种实现做十一轮预热计时、打乱顺序、校验全部结果。结论比「用 NumPy」细得多：如果输入输出本来就能保持数组形态，NumPy 的编译实现提升巨大，因为省掉了逐元素的解释器与对象操作；一旦调用方要求进 Python 列表、出 Python 列表，这份优势几乎被转换数据的开销吃干净。小输入反而列表推导更快；Numba 预热后很快，但首次编译是额外成本；最诱人的 np.vectorize 只是给 Python 函数套了个数组外观，内部依然逐元素调用。