为什么对于左位移位，`numpy`比python慢？

我正在尝试对numpy整数进行位移位，特别是numpy.uint64对象，我需要它们速度快。在下面的实现中，我将对象放在numpy.array中，因为它是唯一可以接受位左移位的对象。如果有任何更快的实施，我将接受它

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)"))

---

为什么python在这个操作上比numpy快得多？有没有一种方法可以在numpy中获得类似的速度？

关于性能差异，这似乎是合乎逻辑的：在一个元素上应用矢量化移位。只需到达移位部分并更改numpy结构，就会有很大的开销。本机代码移动得更快

好的，我在谷歌上搜索了一条错误消息，当你试图在一个元素上这样做时，你会得到这个消息，它是：

>>> 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：

这是因为移位数转换为有符号类型，并且没有大到足以容纳uint64的有符号整数类型

如图所示，一个很好的解决方法是：

---

可能一次性构建1常量，并在所有代码中使用它来保存对象创建

您正在对一个元素应用矢量化移位。只需到达移位部分并更改numpy结构，就会有很大的开销。本机代码移动得更快。但是，如果你做10000个轮班，这将改变你如何建议加快它？a听起来有一个限制：如果Numba是你的选择，你也可以尝试类似的东西。用这个注释更新你的答案，我会给你一个绿色的复选标记：这个答案在速度上是可比的-我正在写这个答案。标量/数组移位的情况有效，因为标量在混合标量/数组操作中可能会降级为较小的类型，如果需要，使用一些特殊处理来选择无符号类型。看，肯定会有混淆的风险，我更喜欢使类型显式化，而不是依赖它。

>>> 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''

a << numpy.uint64(1)