我已经使用numpy一段时间了，并且通过使用index操作来访问数组，就像 python 列表一样，如下所示：
img = np.zeros((640,480,3))
img[34, 19, 2]
但是，在阅读某本书时，我遇到了项目和项集方法.
根据他们的文档，它们提供了性能改进。但是，至少在文档中解释了为什么会发生这种情况.
有人知道它的原因吗？
TL;DR：速度的差异来自item/itemset使用的不同类型，以及[]运算符更通用的事实。实际上，两者都使用 Python 解释器的内置float类型，同时img[34, 19, 2]返回 python 对象np.float64。而且，[]运算符不仅支持直接索引，还支持数组子视图和数组过滤，这是item/itemset不支持的。
要完全理解为什么存在性能差异，应该查看 numpy 代码。item和itemset方法分别调用array_toscalar和array_setscalar。或者，直接获取和设置数组元素分别调用array_subscript和array_assign_subscript。
最后两种方法的成本更高一些，因为它们更通用。事实上，通过观察array_toscalar和array_subscript之间的差异，可以看到前者执行的计算很少，主要调用PyArray_MultiIndexGetItem调用DOUBLE_getitem，而后者执行更多的检查和分配，主要调用PyArray_Scalar调用scalar_value它本身执行间接跳转以最终生成np.float64对象。
请注意，尽管item和itemset可以比[]运算符快，但 CPython 中的 numpy 直接索引仍然很慢。Numba可以通过执行本机直接索引来大大加快速度。