Python 导入Numpy会增加timeit.repeat中第一次迭代的执行时间

使用来测量一些表达式的执行时间，我意识到如果我事先导入

numpy

，第一次迭代所需的时间会明显更长。考虑下面的例子：

from __future__ import print_function

import timeit
import numpy as np  # comment this line

results = timeit.repeat(
    "d['a']",
    setup="d = dict(zip('abc', '123'))",
    repeat=5, number=10**6
)
print(['{:.2e}'.format(x) for x in results])

我得到以下结果：

['5.38e-02', '2.72e-02', '2.70e-02', '2.68e-02', '2.70e-02']

第一次迭代比其余的迭代花费的时间要长得多（我通过多次运行代码来验证这个模式）

现在，当在上述代码中将

import numpy注释为np

行时，计时结果更改如下：

['2.73e-02', '2.71e-02', '2.65e-02', '2.68e-02', '2.66e-02']

这里，第一次迭代的执行时间与其他迭代相当

在Python 3.8中，无论是否导入了Numpy，都不会出现这种行为，因为在Python 3.8中，我获得了类似的计时：

['2.64e-02', '2.89e-02', '2.65e-02', '2.63e-02', '2.63e-02']  # with 'import numpy'
['2.63e-02', '2.56e-02', '2.52e-02', '2.50e-02', '2.51e-02']  # without 'import numpy'

是什么原因导致Python 2.7的执行时间与导入numpy一起增加

---

详细版本信息：

• Python 2.7.12:

  numpy==1.14.0

• Python 3.8.1:

  numpy==1.18.1