使用numpy最小值，最大值（或numba）进行Python优化

Question

我需要使用python numpy进行性能优化。

我的数据就是这样

a1 = np.array(np.random.random(500000) * 1000)
a2 = np.array(np.random.random(500000) * 5000)

使用不同的ndarray a1，a2，我想计算最小-最大间隙。

numpy的：

np.max(a1) - np.min(a2)

numba：

@nb.jit(nb.float64(nb.float64, nb.float64), cache=True, fastmath=True)
def nb_max_min(s1, s2):
    return np.max(s1) - np.min(s2)

但是，我的结果令人失望

min-max(numba): 1.574092000000249 ms
max-max(numpy): 1.4246419999999205 ms

如果可能，我想在〜0.xx毫秒内进行更快的计算。如何克服这种优化？