※ 引述《sariel0322 (sariel)》之銘言：
: 我想要請問一下，如果我有一串數字
: A = [9,5,5,4,7,6,4,1,2,0,10,9,7,....]
: 要如何找出這列資料中只出現一次的數字，但不用到for迴圈的方法
（冏冏，我看成有出現就好…… 明天再補了 > <）
完整檔案見 IPython Notebook
http://nbviewer.ipython.org/gist/ccwang002/bc1b047d0eca2c8f8bdd
這真的要快的話，就不應該自己寫 for loop，所以我想得到最快的方法就是用 set(A)
但有沒有更快的方式呢？其中一個可能是用 Cython, cffi 自己刻一個，
但 numpy.unique() 不知道快不快？ 直覺上以為是會快很多的，所以來個實測。
# Test by IPython on Python 3.4
import numpy as np
LEN = 10**7 # 約需要總共 200MB 的記憶體
# 整數
A = np.random.randint(0, 100, LEN) # numpy 陣列 (ndarray)
A_list = A.tolist() # 一般的 list
%timeit -n 5 np.unique(A) # numpy 解法
%timeit -n 5 set(A_list) # set() 解法
%timeit set(A) # 混用，對 numpy 陣列用 set()
# 448ms, 232ms, 1.67s
# 5.18s, 2.31s, - s if LEN = 10**8
結果 set() 跑得比 np.unique() 還快，蠻驚訝的 > < 資料量調大仍舊相同的趨勢。
混用很可怕，這小測試暗示 ndarray 用內建函式的時候，很可能會做非常多轉換，
很容易拖慢速度。而內建的指令其實速度飛快。
但這樣 numpy 哪裡有優勢，是否該洗洗睡？我猜它在浮點數表現就會好很多，
浮點數找相同的數值有點怪，但總之要幫 numpy 平反也不管這麼多了xd
# 浮點數版本，只會有 0.0, 0.1, 0.2, ...
A = np.random.randint(0, 100, LEN) / 10
A_list = A.tolist()
%timeit -n 5 np.unique(A)
%timeit -n 5 set(A_list)
%timeit -n 5 set(A)
# 698ms, 1.55s, 2.23s
果然 numpy 的效率就好很多。
恩…總之蠻好玩的。
PS Py 3.4 中多了 tracemalloc module 可以追蹤程式執行間記憶體用量
https://docs.python.org/3/library/tracemalloc.html
看 Python 物件記憶體用量(?) 可用 sys.getsizeof(obj)
看 Numpy .............. 可用 ndarray_obj.nbytes