为何减少random.random()调用反而让Python图分割程序变慢？

我编写了一段用于将树结构分割为人口平衡（误差在ε范围内）两部分的代码，核心函数为find_balanced_edge_cuts_memoization。性能分析发现该函数耗时过长，但意外发现一个反直觉现象：将循环内仅在满足特定条件时调用random.random()的逻辑，改为每次循环都提前调用该函数并复用结果后，程序性能提升了250-400倍。

这完全不符合“函数调用次数越少速度越快”的常规认知，且该现象在多个Python版本（如3.8、3.10、3.12）、多台不同配置的机器上均可稳定复现。我查阅了Python官方文档中关于random.random()的说明，未找到能解释此现象的相关内容。

现附上相关类定义及核心函数的两个版本代码，寻求技术层面的解析：

相关类定义 #

class PopulatedGraph:
    # 包含树结构、节点人口等属性与方法的类实现
    def __init__(self, nodes, edges, node_populations):
        self.nodes = nodes
        self.edges = edges
        self.node_populations = node_populations
        self.total_pop = sum(node_populations.values())
        # 其他初始化逻辑

class Cut:
    # 表示树分割结果的类，包含分割后的两部分节点、人口等信息
    def __init__(self, partition1, partition2, total_pop):
        self.partition1 = partition1
        self.partition2 = partition2
        self.total_pop = total_pop
        # 其他属性与方法

原低性能版本（条件触发random.random()调用） #

import random

def find_balanced_edge_cuts_memoization(graph, epsilon, memo=None):
    if memo is None:
        memo = {}
    # 前置逻辑：计算子树人口、缓存复用等
    # ...
    valid_cuts = []
    for edge in graph.edges:
        # 计算分割后的子树人口
        left_pop = ...  # 子树人口递归计算逻辑
        right_pop = graph.total_pop - left_pop
        # 判断是否满足人口平衡条件
        if abs(left_pop - right_pop) <= epsilon * graph.total_pop:
            # 仅满足平衡条件时调用random.random()
            if random.random() < 0.5:
                valid_cuts.append(Cut(...))
    # 后续递归处理或结果返回逻辑
    # ...
    return valid_cuts

高性能版本（每次循环预调用random.random()） #

import random

def find_balanced_edge_cuts_memoization(graph, epsilon, memo=None):
    if memo is None:
        memo = {}
    # 前置逻辑：计算子树人口、缓存复用等
    # ...
    valid_cuts = []
    for edge in graph.edges:
        # 每次循环提前调用random.random()并保存结果
        r = random.random()
        # 计算分割后的子树人口
        left_pop = ...  # 子树人口递归计算逻辑
        right_pop = graph.total_pop - left_pop
        # 判断是否满足人口平衡条件
        if abs(left_pop - right_pop) <= epsilon * graph.total_pop:
            # 复用提前生成的随机值
            if r < 0.5:
                valid_cuts.append(Cut(...))
    # 后续递归处理或结果返回逻辑
    # ...
    return valid_cuts

内容的提问来源于stack exchange，提问作者peabody