在Jupyter Notebook中分别用Python 循环语句和NumPy 来编程实现两个一维数组相加，并比较两种方法的时间效率。数组大小定义为1000000

在Jupyter Notebook中实现两个一维数组相加，首先我们可以使用Python原生的循环语句，其次可以利用NumPy库提供的向量化操作来完成。

使用Python循环语句相加：

import time

# 创建两个一维数组
a = [i for i in range(1000000)]
b = [i for i in range(1000000)]

# 计算开始时间
start_time = time.time()

# 使用循环相加
c = []
for i in range(len(a)):
    c.append(a[i] + b[i])

# 计算结束时间
end_time = time.time()

# 输出结果
print("使用循环语句相加的结果：", c[:5]) # 打印前五个元素以验证结果
print("使用循环语句相加耗时：", end_time - start_time, "秒")

使用NumPy相加：

import numpy as np
import time

# 创建两个一维数组
a = np.arange(1000000)
b = np.arange(1000000)

# 计算开始时间
start_time = time.time()

# 使用NumPy向量化操作相加
c = a + b

# 计算结束时间
end_time = time.time()

# 输出结果
print("使用NumPy相加的结果：", c[:5]) # 打印前五个元素以验证结果
print("使用NumPy相加耗时：", end_time - start_time, "秒")

在比较两种方法的时间效率时，可以明显看到使用NumPy的向量化操作通常比Python循环语句要快得多。这是因为在底层，NumPy使用了高度优化的C语言和Fortran语言编写的代码，以及优化的内存访问模式，可以更高效地进行数组操作。