Python布朗运动模拟：如何快速生成大量[-1,1]随机数？

我尝试生成大量属于集合[-1, 1]的随机数，发现np.random.Generator.choice是效率最差的方法，而最优方法是使用np.random.Generator.random并通过布尔值转整数实现。我想知道是否存在更优的大量生成此类随机数的方式？

我需要在网格中模拟m个粒子在d维带反射面封闭容器内的运动，共进行n次迭代，每次迭代后需检测碰撞条件。为简化问题，假设d=2。由于采用网格模型，粒子的运动可简化为生成-1和+1。目前我逐个处理粒子，生成随机数后逐个访问，且随系统内粒子数量减少，生成的随机数也相应减少（此部分可优化，但非本次问询重点）。

本次核心问题是：如何最快生成大量属于集合[-1,1]的随机数？

我测试了五种方法，四种基于NumPy，一种基于random模块：

• 使用np.random.Generator.choice([-1,1],size=(m,2))，耗时595.6秒：

n=int(5e6)
m=1000
rng=np.random.default_rng()
tic=time.time()
for i in range(n):
    a=rng.choice([-1,1], size=(m,2))
    for j in range(m): #此无用循环用于演示我会逐行访问数据
        b=a[j]
print("choice",time.time()-tic)

• 通过均匀分布[0,1)转换为-1和+1，代码为(rng.random(size=(m,2))>0.5+0)*2-1，耗时527.6秒（注：+0用于将True转为1，False转为0）：

n=int(5e6)
m=1000
rng=np.random.default_rng()
tic=time.time()
for i in range(n):
    a=(rng.random(size=(m,2))>0.5+0)*2-1
    for j in range(m): 
        b=a[j]
print("operate",time.time()-tic)

• 使用np.sign实现类似逻辑，代码为np.sign(rng.random(size=(m,2))-0.5)，耗时543.5秒：

n=int(5e6)
m=1000
rng=np.random.default_rng()
tic=time.time()
for i in range(n):
    a=np.sign(rng.random(size=(m,2))-0.5)
    for j in range(m):
        b=a[j]
print("sign",time.time()-tic)

• 使用np.random.Generator.integers并做额外处理，代码为(rng.integers(2,size=(m,2))*2)-1，耗时553.8秒：

n=int(5e6)
m=1000
rng=np.random.default_rng()
tic=time.time()
for i in range(n):
    a=(rng.integers(2,size=(m,2))*2)-1
    for j in range(m):
        b=a[j]
print("integer",time.time()-tic)

• 现场使用random.random()生成，耗时约750秒，效率极低。

令我困惑的是，rng.choice()效率远低于预期，虽已知其在小集合表现不佳，但因m较大本以为会有所改善；同时布尔值转整数的方法效率最高也出乎预料。因此我想请教：生成m*d个属于[-1,1]的随机数的最快方式是什么？是我测试过的方法之一，还是有遗漏的更优方案？

内容的提问来源于stack exchange，提问作者ck1987pd