如何最快将仅含0、1的np.uint64数组映射为{1,-1}的np.float64数组？

我有一个仅包含0和1值的np.uint64类型NumPy数组，需要将0映射为np.float64(1.0)，1映射为np.float64(-1.0)。原本考虑到解释器会使用通用转换算法导致耗时，尝试用结果数组结合原数组索引的方式优化，但实际测试后发现这种方法速度更慢。

import numpy as np
import timeit


random_bit = np.random.randint(0, 2, size=(10000), dtype=np.uint64)


def np_cast(random_bit):
    vectorized_result = 1.0 - 2.0 * np.float64(random_bit)
    return vectorized_result


def product(random_bit):
    mapped_result = 1.0 - 2.0 * random_bit
    return mapped_result


np_one_minus_one = np.array([1.0, -1.0]).astype(np.float64)


def _array(random_bit):
    mapped_result = np_one_minus_one[random_bit]
    return mapped_result


one = np.float64(1)
minus_two = np.float64(-2)


def astype(random_bit):
    mapped_result = one + minus_two * random_bit.astype(np.float64)
    return mapped_result


function_list = [np_cast, product, _array, astype]

print("start benchmark")
for function in function_list:
    _time = timeit.timeit(lambda: function(random_bit), number=100000)
    print(f"{function.__name__}: {_time:.3f} seconds")

np_cast: 178.604 seconds
product: 172.939 seconds
_array: 239.305 seconds
astype: 186.031 seconds

测试结果显示，product方法（直接通过算术运算1.0 - 2.0 * random_bit完成映射）的耗时最短，是当前最优方案。

内容的提问来源于stack exchange，提问作者tutizeri