Python 数组值函数的Numpy矢量化

我有一个矩阵值函数（即$M（t）：R\to R^2$），我想做一个numpy数组（即[t1，M（t1）]，[t2，M（t2）]，…]）。我的解决方案很明显也很笨拙：

bigM = np.zeros(100, 10, 10)
tArray = np.linspace(1, 101, 100)
for i in range(100):
    bigM[i,:,:] = smallM(tArray[i])

但它的速度非常慢，而且在某些情况下会出现内存问题（事实上，10和100远远超过10和100:）。因此，有两个问题：

是否有一些矢量化程序可以更快地处理它

我能在不给我的半导体朋友增加RAM的情况下解决内存问题吗

UPD：有时我不得不在不引入bigM矩阵的情况下处理相同的问题。即：

tArray = np.linspace(1, 101, 100)
someArray = np.zeros(len(tArray))
for i in range(100):
    M = smallM(tArray[i])
    ...
    someArray[i] = someFunction(M)
    ...

然而，同样的两个问题还是出现了

---

UPD2:smallM是来自第三方库的矩阵值函数

smallM

在做什么？需要花费时间的主要事情是调用

smallM

100次。迭代机制有很多变化，但它们在时间上没有多大差别。只要它是一个“黑匣子”，我们就帮不了你。之前的许多问题中有一个是这样的

smallM

在做什么？最重要的是要花时间打100次电话给

smallM

。迭代机制有很多变化，但它们在时间上没有多大差别。只要它是一个“黑匣子”，我们就帮不了你。这是之前许多类似问题中的一个