Python中细胞自动机的高效模拟

我正在实现细胞自动机（CA）来模拟肿瘤生长。我的目标是在三维中模拟CA。但是，我的代码非常慢。我希望在合理的时间内（1小时内）模拟10^6个细胞。有没有办法加快我的代码速度？我很难找到代码的瓶颈

我的代码是：

   for generation in np.arange(100):
        print(len(TC.keys()))
        keys = list(TC.keys())
        keys = np.array(keys)
        for cell in np.ndenumerate(keys): # for each tumor cell
            cell_id = cell[1]
            division, migration, death = TC[cell_id].action(TC_pdivision, TC_pmigration, TC_pdeath)
            if death:
                del TC[cell_id] # remove tumor cell from dictionary
            else:  
                # find free spot
                ngh = TC[cell_id].freeSpots(cells,TC[cell_id].neighbors(TC[cell_id].x,TC[cell_id].y,TC[cell_id].z))      
               if np.size(ngh)>0:
                   ngh = np.reshape(ngh,[int(np.shape(ngh)[0]/3),3])
                   x,y,z = spot(ngh)
                  cell_id_new = positionToID(x,y,z)
                  if migration:
                     TC[cell_id_new] = TC.pop(cell_id)
                  elif division:
                     TC[cell_id_new] = TumorCell(x, y, z)

也就是说，每个肿瘤都以三维（x，y，z）的位置来定义。每个肿瘤细胞是字典中的一个条目。我正在使用函数PositionToID函数转换（x，y，z）：
def位置ID（x、y、z）： id=int（x+（y-1）*gridSize+（z-1）*gridSize*gridSize） 返回id

因此，肿瘤细胞的定义如下：

TC[id] = [some_tumor_cell_properties]

函数邻居生成所有26个相邻单元的（x，y，z），自由点为：

    def freeSpots(self, cells, ngh):
    freeSpots = np.array([])
    for neighbor in ngh:
        currNeighbor = tuple(neighbor)
        if currNeighbor not in cells:
            freeSpots = np.append(freeSpots, np.array(currNeighbor))
    return freeSpots

负责检查每个相邻单元是否有人占用。Freespots速度很快，所以这个函数没有问题

我想，问题在于迭代器。我试图通过提取字典TC（肿瘤细胞）的键并将它们转换为numpy.array来迭代所有肿瘤细胞。接下来，我将ndenumare应用于所有单元的迭代

---

有什么方法可以提高代码的性能吗？提前感谢您的帮助。

选择其他语言？您可以尝试timit模块查找代码速度较慢的地方。乍一看，它可能与您正在创建的所有阵列相关，但我需要进一步研究。停止使用numpy。像这样使用它很慢。例如，

freeSpots=np.append（freeSpots，np.array（currenighbor））

是二次时间非常好的点，我对freeSpots函数进行了大量修改。更改后，我的10^4个单元格的代码大约在20秒内运行。在10^6的时间内，代码运行6分钟。这是最好的办法吗？