大家好，歡迎來到 Crossin的編程教室~
一組1000萬個0~100的整數序列，用它來生成一個新的序列，要求如果原本序列中是奇數就不變，如果是偶數就變成原來的一半。
你會怎麽寫？
來看幾份參考答案：
青銅：
def for_method(data): result = []for x indata:if x % 2 == 0: result.append(x // 2)else: result.append(x)return result
（自測耗時：0.95 秒 ）
新建一個空列表，for迴圈遍歷原列表，依次判斷每個元素，如果能被2整除就除以2添加進新列表，否則直接添加進新列表。
白銀：
deflc_method(data):return [x if x % 2else x // 2for x in data]
（ 自測 耗時： 0.75 秒 ）
透過列表解析式生成新列表，不僅程式碼更簡潔明了，耗時還變少了。
黃金：
def numpy_method(data): arr = np.array(data)return np.where(arr % 2 == 0, arr // 2, arr).tolist()
（ 自測 耗時： 0.90 秒 ）
用numpy的where方法生成新的陣列。看起來效率好像還不如列表解析式嘛？這是因為大部份時間都花在了列表和ndarray的轉換上。如果這組序列本身就用numpy的陣列來儲存的話：
def numpy_array_method(data):return np.where(data % 2 == 0, data// 2, data)
（自測耗時： 0 .32 秒 ）
速度直接碾壓列表解析式。
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] //= 2return result
（自測耗時： 0 .65 秒 ）
還是用for迴圈，不過給函式加上一個裝飾器，表示用Numba JIT編譯，這個看起來平平無奇的寫法會有什麽效果呢？好像也沒有比直接用numpy快多少嘛？
別急，讓我們加大劑量，把序列長度調整到1億，優勢就體現出來了。（numba：1.21秒 vs numpy：3.04秒）
你還有其他寫法嗎？
作者：Crossin的編程教室
Crossin的新書【 碼上行動：用ChatGPT學會Python編程 】已經上市了。 本書以ChatGPT為輔助，系統全面地講解了如何掌握Python編程，適合Python零基礎入門的讀者學習。
購買後可加入讀者交流群，Crossin為你開啟陪讀模式，解答你在閱讀本書時的一切疑問。
添加微信 crossin123 ，加入編程教室共同學習 ~
感謝 轉發 和 點贊 的各位~
