Python Numpy`searchsorted`比我的二进制搜索函数慢得多
我正在试验二进制搜索，当我的版本运行时，我想我会将它的速度与NumPy的进行比较。我对结果感到相当惊讶，原因有二Python Numpy`searchsorted`比我的二进制搜索函数慢得多,python,python-3.x,numpy,binary-search,Python,Python 3.x,Numpy,Binary Search,我正在试验二进制搜索，当我的版本运行时，我想我会将它的速度与NumPy的进行比较。我对结果感到相当惊讶，原因有二 我知道二进制搜索应该随着logn的增长而增长，我的也是，但是NumPy是线性增长的 不仅如此，NumPy的速度也很慢——在开始时，当然是在结束时 我附上了一张结果图表。橙色是黄色的，蓝色是我的。左边是查找列表中最后一项所用的时间（以毫秒为单位）（items[-1]），底部显示列表的长度。我还进行了检查，以确保我的代码返回正确的值，并且它是正确的 如果我不清楚的话，我的问题基本上是“为
items[-1]#binary_search.py
从输入导入可编辑
来自numba import njit
从a.typed导入列表
def_find（项：Iterable[int]，to_find:int）：
最小值=-1
最大值=长度（项目）
尽管如此：
拆分=整数（（最大+最小）/2）
项目=项目[拆分]
如果项==要查找：
返回分割
elif最大值==最小值：
打印（最小值、最大值）
打印（项目）
打印（要查找）
打印（拆分）
退出（）
要查找的elif项目>：
最大值=拆分-1
elif项目<要查找：
最小=拆分+1
def findsorted（_items:Iterable[int]，to_find:int）：
项目=\u项目
返回_查找（项目，要查找）
#graph_results.py
将二进制搜索作为bs导入
导入系统
导入时间
将numpy作为np导入
从matplotlib导入pyplot作为plt
迭代次数=int（sys.argv[1]）
项目=[0,1]
lx=[]
ly=[]
nx=[]
纽约=[]
对于范围内的i（2，迭代）：
l_平均时间=[]
n_平均时间=[]
项目。追加（项目[-1]+1）
对于范围（0，100）内的uu：
to_find=项目[-1]
lstart=time.time（）
bs.findsorted（项目，待查找）
lend=time.time（）
nstart=借出
np.searchsorted（要查找的项目）
nend=时间。时间（）
ltotal=开始
ntotal=nend nstart
l_平均时间。追加（ltotal）
n_平均时间。追加（n总计）
追加(
圆的(
总和（l_平均次）/len（l_平均次），
1000
)*1000
)
lx.附加（i）
纽约州(
圆的(
总和（n_平均次）/len（n_平均次），
1000
)*1000
)
nx.append（i）
plt.绘图（lx，ly）
plt.绘图（纽约州西北部）
plt.show（）
abb