在python数据领域处理数据使用numpy越来越多了，因为numpy相对来说是很快的，不过当 数据量较大时numexpr会更快
比如先做实验试试：
先准备数据：
import numexpr
import numpy as np
ls1=np.array([int(np.random.rand()*100) for i in range(1<<25)])
ls2=np.array([int(np.random.rand()*100) for i in range(1<<25)])接下来对比一下加法：
使用numpy：
%timeit ls1+ls2
##结果
## 10 loops, best of 3: 74 ms per loop使用numexpr：
%timeit numexpr.evaluate('ls1+ls2')
##结果
## 10 loops, best of 3: 40.5 ms per loop加法速度有所提升，不过不算很大（数据量越大会差距越明显），接下来看乘法，变化就很大：
使用numpy：
%timeit ls1**2+ls2**3
##结果
## 1 loop, best of 3: 251 ms per loop使用numexpr：
%timeit numexpr.evaluate('ls1**2+ls2**3')
##结果
## 10 loops, best of 3: 51.7 ms per loop这个实验里面直接快了5倍，在很多其他实验速度可以快几十倍
numexpr这玩意不仅仅会加速，而且会比numpy节约内存，会比numpy少产生临时的中间变量