我试图解决这个问题，我们有一个大小为 100 的一维晶格，粒子可以从晶格中的任何位置开始并在其上随机移动（移动到任一方向的概率相等）。当粒子到达晶格的任一端时，它就会停止。问题是绘制时间平均值（到达边界）与粒子的初始起始位置，对于每个起始位置，我们采用 10000 条轨迹来计算时间平均值。

这是我的代码

for i in range(1,size):
    timearr=[]
    for j in range(trails):
        time=0
        x=i
        while True:
            r = random.randint(-1,1)
            time+=1
            x+=r
            if x==0 or x==size:
                timearr.append(time)
                break
    timemean.append(np.mean(timearr))


xarr= np.arange(1,size)
plt.plot(xarr, timemean)
plt.show()

但是，将大小设为 100 并将试验设为 10000（甚至 1000），运行它需要大量时间。有什么方法可以使用 Python 更快地解决这个问题。理想情况下，我想使用 numpy 数组的矢量化方法来做到这一点。但我想不出在这种情况下如何实现控制流。