※ 引述《sariel0322 (sariel)》之铭言：
: 我想要请问一下，如果我有一串数字
: A = [9,5,5,4,7,6,4,1,2,0,10,9,7,....]
: 要如何找出这列资料中只出现一次的数字，但不用到for循环的方法
（冏冏，我看成有出现就好…… 明天再补了 > <）
完整档案见 IPython Notebook
http://nbviewer.ipython.org/gist/ccwang002/bc1b047d0eca2c8f8bdd
这真的要快的话，就不应该自己写 for loop，所以我想得到最快的方法就是用 set(A)
但有没有更快的方式呢？其中一个可能是用 Cython, cffi 自己刻一个，
但 numpy.unique() 不知道快不快？ 直觉上以为是会快很多的，所以来个实测。
# Test by IPython on Python 3.4
import numpy as np
LEN = 10**7 # 约需要总共 200MB 的内存
# 整数
A = np.random.randint(0, 100, LEN) # numpy 阵列 (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，对 numpy 阵列用 set()
# 448ms, 232ms, 1.67s
# 5.18s, 2.31s, - s if LEN = 10**8
结果 set() 跑得比 np.unique() 还快，蛮惊讶的 > < 资料量调大仍旧相同的趋势。
混用很可怕，这小测试暗示 ndarray 用内建函式的时候，很可能会做非常多转换，
很容易拖慢速度。而内建的指令其实速度飞快。
但这样 numpy 哪里有优势，是否该洗洗睡？我猜它在浮点数表现就会好很多，
浮点数找相同的数值有点怪，但总之要帮 numpy 平反也不管这么多了xd
# 浮点数版本，只会有 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…总之蛮好玩的。
PS Py 3.4 中多了 tracemalloc module 可以追踪程式执行间内存用量
https://docs.python.org/3/library/tracemalloc.html
看 Python 物件内存用量(?) 可用 sys.getsizeof(obj)
看 Numpy .............. 可用 ndarray_obj.nbytes