我正在嘗試加快我編寫的一些代碼的速度，但這樣做會遇到很多麻煩。我知道能夠刪除 for 循環并使用 numpy 可以幫助做到這一點，所以這就是我一直在嘗試但收效甚微的事情。沒有任何加速的工作函數是def acf(x, y, z, cutoff=0):    steps = x.shape[1]    natoms = x.shape[0]    z_x = np.zeros((steps,natoms))    z_y, z_z = np.zeros_like(z_x), np.zeros_like(z_x)    xmean = np.mean(x, axis=1)    ymean = np.mean(y, axis=1)    zmean = np.mean(z, axis=1)    for k in range(steps-cutoff): # x.shape[1]        xtemp, ytemp, ztemp = [], [], []        for i in range(x.shape[0]): # natoms            xtop, ytop, ztop = 0.0, 0.0, 0.0            xbot, ybot, zbot = 0.0, 0.0, 0.0            for j in range(steps-k): # x.shape[1]-k                xtop += (x[i][j] - xmean[i]) * (x[i][j+k] - xmean[i])                ytop += (y[i][j] - ymean[i]) * (y[i][j+k] - ymean[i])                ztop += (z[i][j] - zmean[i]) * (z[i][j+k] - zmean[i])                xbot += (x[i][j] - xmean[i])**2                ybot += (y[i][j] - ymean[i])**2                zbot += (z[i][j] - zmean[i])**2            xtemp.append(xtop/xbot)            ytemp.append(ytop/ybot)            ztemp.append(ztop/zbot)        z_x[k] = xtemp        z_y[k] = ytemp        z_z[k] = ztemp    z_x = np.mean(np.array(z_x), axis=1)    z_y = np.mean(np.array(z_y), axis=1)    z_z = np.mean(np.array(z_z), axis=1)    return z_x, z_y, z_z此函數的輸入 x、y 和 z 是相同維度的 numpy 數組。x（或 y 或 z）的一個例子是：x = np.array([[1,2,3],[4,5,6]])到目前為止，我能夠做的是def acf_quick(x, y, z, cutoff=0):    steps = x.shape[1]    natoms = x.shape[0]    z_x = np.zeros((steps,natoms))    z_y, z_z = np.zeros_like(z_x), np.zeros_like(z_x)    x -= np.mean(x, axis=1, keepdims=True)    y -= np.mean(y, axis=1, keepdims=True)    z -= np.mean(z, axis=1, keepdims=True)這將其速度提高了約 33%，但我相信有一種方法可以刪除for i in range(natoms)使用類似x[:][j]. 到目前為止，我一直沒有成功，任何幫助將不勝感激。在有人問之前，我知道這是一個自相關函數，并且有幾個內置于 numpy、scipy 等，但我需要自己編寫。