在特定轴上对数组求和时，专用数组方法array.sum(ax)实际上可能比 for-loop 慢：
v = np.random.rand(3,1e4)
timeit v.sum(0) # vectorized method
1000 loops, best of 3: 183 us per loop
timeit for row in v[1:]: v[0] += row # python loop
10000 loops, best of 3: 39.3 us per loop
向量化的方法比普通的 for 循环慢 4 倍以上！这里发生了什么（wr）on（g），我不能相信numpy中的向量化方法比for循环更快吗？
不，你不能。正如您有趣的示例所指出的那样，numpy.sum可能不是最理想的，通过显式 for 循环更好地布局操作可能会更有效。
让我再举一个例子：
>>> N, M = 10**4, 10**4
>>> v = np.random.randn(N,M)
>>> r = np.empty(M)
>>> timeit.timeit('v.sum(axis=0, out=r)', 'from __main__ import v,r', number=1)
1.2837879657745361
>>> r = np.empty(N)
>>> timeit.timeit('v.sum(axis=1, out=r)', 'from __main__ import v,r', number=1)
0.09213519096374512
在这里，您可以清楚地看到，numpy.sum如果对快速运行的索引（v是 C 连续的）求和是最优的，而在对慢速运行的轴求和时是次优的。有趣的是，for循环的相反模式是正确的：
>>> r = np.zeros(M)
>>> timeit.timeit('for row in v[:]: r += row', 'from __main__ import v,r', number=1)
0.11945700645446777
>>> r = np.zeros(N)
>>> timeit.timeit('for row in v.T[:]: r += row', 'from __main__ import v,r', number=1)
1.2647287845611572
我没有时间检查numpy代码，但我怀疑造成差异的是连续内存访问或跨步访问。
正如这个例子所示，在实现数值算法时，正确的内存布局非常重要。矢量化代码不一定能解决所有问题。