使用numpython提高迭代函数的性能

是否有一种方法可以在纯numpy上运行下面的函数，因此我正在尝试摆脱for循环。我试图减少代码的运行时间<代码>数字数组与每个

值元素一起添加并求和。每次迭代后，总和被追加到追加列表中。
Number\u数组
生成10000000个介于0到100之间的整数

代码：

性能：

用于比较的代码：

Appending_list = []
for n in range(len(Values)):
    result = np.sum([Number_array + Values[n]])
    Appending_list.append(result)

以另一种方式书写总和：

Appending_list = []
for n in range(len(Values)):
    result = np.sum(Number_array) + Values[n] * len(Number_array)
    Appending_list.append(result)

这很容易矢量化：

Appending_list = np.sum(Number_array) + Values * len(Number_array)

您是否尝试过显而易见的方法，只计算一次
np.sum（Number\u array）
，并调整
Values
中每个值的和？这个循环也不是问题，几乎所有的工作都已经由NumPy完成了。我不理解和位的调整？我知道for循环不会使它慢很多，但那是因为n值的长度太小了。如果我增加n值的长度，它将开始影响处理时间。我已经更新了代码，这可能是一个更好的示例。嗯，因此您无法确定
np.sum（[Number\u array+Values[n]]）
和
np.sum（Number\u array）
？或者你的个人资料图像准确吗？哦，我明白你的意思，但是如果值的长度非常大，也会极大地影响性能。因为它在for循环中迭代。当然会影响性能，但是for循环会使其瓶颈。不管怎样，谢谢。循环是什么？再也没有了。哦，没关系，我以为
追加列表
函数与
结果
相同。很抱歉。
Appending_list = np.sum(Number_array) + Values * len(Number_array)