Python 为什么访问numpy数组中的一个元素会让我的程序慢很多？

我正在写一个模拟（2D伊辛模型模拟）。它需要在二维数组中拾取一个随机元素，然后将该值乘以-1。二维数组中的元素是自旋站点，其值为+1或-1

我忘了添加一行代码，这实际上改变了spin站点。添加这（一！）行代码会显著降低程序的速度。所有自旋站点都默认为-1

我尝试过编辑其他函数，这些函数会做一些基本的数学运算（计算自旋位置的总能量，基本上只是乘法和加法）来隐藏-1翻转，通过将一些加法改为减法来解释-1翻转，从而避免访问该数组元素。仍然疯狂地减慢速度

这是time命令的结果，不翻转随机数组元素

实0m1.425s 用户0m1.685s 系统0m1.078s

以及添加一行代码的结果（如下所示） 真正的0m26.615s 用户0m27.019s sys 0m0.920s

将numpy导入为np
将matplotlib.pyplot作为plt导入
#正如在讲座中所看到的：
#用Metropolis算法实现Ising模型
#基于Landau等人的IsingViz.py。
N=（20002000）#自旋位点数
num_steps=20*N[0]*N[1]#迭代次数
B=0.05#磁场
μ=0.33#gμ（如果B=0，则不需要）
J=1.#交换能量
k=1。
t=1。
np.random.seed（）
state0=-1*np.one（N）#以任意自旋配置开始
Evals=[]
def能量（状态，J，mu，B）：
#Energy将在状态中的每一行调用row_Energy，并在
#它的每一行转置。
总能量=0
对于处于状态的行：
总能量+=行能量（行，J，μ，B）
对于状态为.transpose（）的列：
总能量+=行能量（col，J，mu，B）
返回总能量
def row_能量（S、J、mu、B）：
第一个集合=np.concatenate（[np.array（[S[-1]]），S[：-1]]）
FirstTerm=np.sum（-J*第一个集合[：-1]*第一个集合[1:]）
第二项=np.和（-mu*S*B）
回报（第一学期+第二学期）
def能量变化（S、coor）：
“”“如果自旋'i'翻转，确定能量的变化
`（i+1）%len（S）`实现周期性边界条件。
"""
x=coor[0]
y=coor[1]
#将自旋位置乘以所有相邻元素
左S_=S[x-1，y]
S_right=S[（x+1）%len（S），y]
S_up=S[x，（y+1）%len（S）]
S_down=S[x，y-1]
返回2*J*S[x，y]*（S_左+S_右+S_上+S_下%len（S））+2*B*mu*S[x，y]
def TwoDIsing（state0，num_步骤，J，mu，B，kT）：
ES=能量（状态0，J，μ，B）
能量_值=[]
能量值。附加（ES）
#包含状态配置的副本，因此我们不必存储
#2**N**2*#个时间步长元素
state\u configs=np.array（[state0，state0]）
deltas=[]#一种跟踪状态变化的简便方法。
rands=np.random.randint（2000，大小=（num_步数，2））
计数=1
对于x，y，以rands表示：
#测试状态=状态配置[-1]
#试验步骤：在一个随机位置翻转旋转
#测试状态[x，y]*=-1。
状态配置[1][x][y]*=-1
ET=ES+能量变化（状态配置[-1]，（x，y））
如果np.exp（（ES-ET）/（kT））>np.random.random（）：
#状态配置[-1]=测试状态#替换状态，或
ES=ET
delta.append（（x，y））
其他：
#向前推进前一状态
状态配置[-1]=状态配置[-2]
delta.append（（））
能量值。附加（ES）
计数+=1
如果计数%1000==0：打印（（计数/数量步数）*100，%……）
返回状态配置、能量值、增量

使用state\u configs存储状态的两个副本时出错。不这样做要快得多。阅读评论了解详情

def TwoDIsing（state0，num_步骤，J，mu，B，kT）：
ES=能量（状态0，J，μ，B）
能量_值=[]
能量值。附加（ES）
#包含状态配置的副本，因此我们不必存储
#2**N**2*#个时间步长元素
#state\u configs=np.array（[state0，state0]）
deltas=[]#一种跟踪状态变化的简便方法。
rands=np.random.randint（2000，大小=（num_步数，2））
计数=1
对于x，y，以rands表示：
#测试状态=状态配置[-1]
#试验步骤：在一个随机位置翻转旋转
#测试状态[x，y]*=-1。
状态0[x][y]*=-1
ET=ES+能量变化（状态0，（x，y））
如果np.exp（（ES-ET）/（kT））>np.random.random（）：
#状态配置[-1]=测试状态#替换状态，或
ES=ET
delta.append（（x，y））
其他：
#向前推进前一状态
状态0[x，y]*=-1
delta.append（（））
能量值。附加（ES）
计数+=1
如果计数%1000==0：打印（（计数/数量步数）*100，%……）
返回状态配置、能量值、增量

使用state\u configs存储状态的两个副本时出错。不这样做要快得多。阅读评论了解详情

def TwoDIsing（state0，num_步骤，J，mu，B，kT）：
ES=能量（状态0，J，μ，B）
能量_值=[]
能量值。附加（ES）
#包含状态配置的副本，因此我们不必存储
#2**N**2*#个时间步长元素
#state\u configs=np.array（[state0，state0]）
deltas=[]#一种跟踪状态变化的简便方法。
rands=np.random.randint（2000，大小=（num_步数，2））
计数=1
对于x，y，以rands表示：
#测试状态=状态配置[-1]
#试验步骤：在一个随机位置翻转旋转
#测试状态[x，y]*=-1。
状态0[x][y]*=-1
ET=ES+能量变化（状态0，（x，y））
如果np.exp（（ES-ET）/（kT））>np。