这是一个非常普遍的问题——有没有办法向量化结果模拟（下一步取决于前面的步骤），或者任何这样的迭代算法？
显然，如果需要运行 M 次模拟（每 N 步），您可以for i in range(N)在每一步中使用并计算 M 值以获得显着的加速。但是假设您只需要一个或两个具有很多步骤的模拟，或者您的模拟没有固定数量的步骤（如辐射检测），或者您正在求解一个微分系统（同样，对于很多步骤）。有什么方法可以将上部 for 循环推到numpy引擎盖下（速度增益，我不是在谈论将 python 函数对象传递给numpy.vectorize），或者 cython-ish 方法是唯一的选择？或者也许这在 R 或一些类似的语言中是可能的，但在 Python 中不是（目前？）？