我还没有计时，但我怀疑这将是相当快的:

import numpy as np
list1=[1, 2, 3]
list2=[4, 5, 6]

list_sum = (np.add(list1, list2)).tolist()

[5, 7, 9]

使用numpy.add()就很简单了

import numpy

list1 = numpy.array([1, 2, 3])
list2 = numpy.array([4, 5, 6])
result = numpy.add(list1, list2) # result receive element-wise addition of list1 and list2
print(result)
array([5, 7, 9])

请参阅这里的医生

如果你想接收一个python列表:

result.tolist()

其他人给出了如何在纯python中做到这一点的示例。如果你想对包含100.000个元素的数组执行此操作，你应该使用numpy:

In [1]: import numpy as np
In [2]: vector1 = np.array([1, 2, 3])
In [3]: vector2 = np.array([4, 5, 6])

现在，按元素进行添加非常简单

In [4]: sum_vector = vector1 + vector2
In [5]: print sum_vector
[5 7 9]

就像Matlab一样。

与Ashwini的最快版本进行比较的时间:

In [16]: from operator import add
In [17]: n = 10**5
In [18]: vector2 = np.tile([4,5,6], n)
In [19]: vector1 = np.tile([1,2,3], n)
In [20]: list1 = [1,2,3]*n
In [21]: list2 = [4,5,6]*n
In [22]: timeit map(add, list1, list2)
10 loops, best of 3: 26.9 ms per loop

In [23]: timeit vector1 + vector2
1000 loops, best of 3: 1.06 ms per loop

所以这要快25倍!但是要用适合你的情况。对于一个简单的程序，您可能不想安装numpy，因此使用标准的python(我发现Henry的版本是最python的版本)。如果你喜欢严肃的数字运算，让numpy来做繁重的工作。对于速度狂人来说:似乎numpy解决方案在n = 8左右开始时更快。

虽然，实际的问题并不想遍历列表来生成结果，但是所提出的所有解决方案实际上都是这样做的!

要刷新:如果不查看所有向量元素，就不能将两个向量相加。因此，大多数解的算法复杂度都是大o (n)。其中n是向量的维数。

因此，从算法的角度来看，使用for循环迭代生成结果列表是合乎逻辑的，也是python化的。但是，除此之外，该方法没有调用或导入任何附加库的开销。

# Assumption: The lists are of equal length.
resultList = [list1[i] + list2[i] for i in range(len(list1))]

这里显示/讨论的时间取决于系统和实现，不能作为衡量操作效率的可靠措施。在任何情况下，向量加法运算的大O复杂度是线性的，即O(n)。

这将适用于2个或更多的列表;遍历列表的列表，但使用numpy加法处理每个列表的元素

import numpy as np
list1=[1, 2, 3]
list2=[4, 5, 6]

lists = [list1, list2]
list_sum = np.zeros(len(list1))
for i in lists:
   list_sum += i
list_sum = list_sum.tolist()    

[5.0, 7.0, 9.0]

在我看来，使用numpy更简单:

import numpy as np
list1=[1,2,3]
list2=[4,5,6]
np.add(list1,list2)

结果:

有关详细参数信息，请查看这里:numpy.add