计时结果如下：

lebigot@weinberg ~ % python -m timeit 'abs(3.15)' 
10000000 loops, best of 3: 0.146 usec per loop

lebigot@weinberg ~ % python -m timeit -s 'from numpy import abs as nabs' 'nabs(3.15)'
100000 loops, best of 3: 3.92 usec per loop

numpy.abs()比abs()它还处理Numpy数组要慢：它包含提供这种灵活性的其他代码。

但是，Numpy在数组 上的 速度很快：

lebigot@weinberg ~ % python -m timeit -s 'a = [3.15]*1000' '[abs(x) for x in a]'
10000 loops, best of 3: 186 usec per loop

lebigot@weinberg ~ % python -m timeit -s 'import numpy; a = numpy.empty(1000); a.fill(3.15)' 'numpy.abs(a)'
100000 loops, best of 3: 6.47 usec per loop

（PS：'[abs(x) for x in a]'在python 2.7中比慢于慢map(abs, a)，后者快约30％，但仍然比NumPy慢得多。）

因此，numpy.abs()对于1000个元素而言，花费的时间不会比1个单个float花费更多的时间！