如何使用NumPy加速Python中依赖前项的序列计算？

当然可以，而且效率提升会很明显。你的代码本质是计算累积乘积序列，每一项依赖前一项的结果，这种场景正好可以用NumPy的向量化操作替代Python循环，避开Python循环的解释器开销。

具体实现步骤：

1. 一次性生成所有[20,35]范围内的整数随机数（注意NumPy的randint是左闭右开区间，所以要把上限设为36才能包含35）
2. 用NumPy的cumprod()直接计算累积乘积，一步得到整个序列

替换后的代码：

import numpy as np

number_points = 10000
# 生成对应范围的随机整数数组
random_arr = np.random.randint(20, 36, size=number_points)
# 计算累积乘积，得到和原代码完全一致的序列
xx = random_arr.cumprod()

为什么更快？ #

Python的for循环是在解释器层面逐次执行，而NumPy的randint和cumprod都是底层用C实现的向量化操作，能充分利用CPU的并行计算能力，尤其是当number_points很大（比如10万、100万）时，速度差距会非常显著。

这里的cumprod结果和原代码的xx完全等价——原代码初始x=1，第一次循环后x=1*第一个随机数，正好对应random_arr[0]，后续每一步的累积乘积也和原循环逻辑完全对齐。

内容的提问来源于stack exchange，提问作者Alen