我正在尝试对numpy整数（特别是numpy.uint64对象）进行位移位，我需要它们保持快速。 在下面的实现中，我仅将对象放在numpy.array因为那是唯一可以接受左移的对象。 如果有更快的实现，我会接受的。
from timeit import timeit
print(timeit("a << 1", "a = int(2**60)"))
print(timeit("a << 1", "import numpy as np; a = np.array([2 ** 60], dtype=np.uint64)"))
print(timeit("np.left_shift(a, 1)", "import numpy as np; a = np.array([2 ** 60], dtype=np.uint64)"))
收益：
0.056681648000000084
1.208092987
1.1685176299999998
为什么python比numpy快很多呢？ 有没有办法在numpy获得可比的速度？
关于性能差异，似乎合乎逻辑：您正在对一个元素应用矢量化平移。 到达移位部分并更改numpy结构会有很大的开销。 本机代码转换得更快。
好的，当您尝试在一个元素上执行此操作时，我搜索了错误消息：
>>> a = numpy.uint64(2**60)
>>> a << 3
Traceback (most recent call last):
File "<string>", line 301, in runcode
File "<interactive input>", line 1, in <module>
TypeError: ufunc 'left_shift' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''
我发现了这个github问题： https : //github.com/numpy/numpy/issues/2524
这是因为移位编号将转换为带符号类型，并且没有足够大的带符号整数类型容纳uint64。
现在一个很好的解决方法（如在github issue comment中看到的）是这样的：
a << numpy.uint64(1)
（也许一劳永逸地建立“ 1”常量，并在所有代码中使用它来保存对象的创建）
