你没有给我们很多代码，所以这里有一个最小的想法，它如何工作。
首先，创建一个数组，您可以使用当前状态索引该数组以获取规则：

rule = [0,0,0,0,0,1,1,1,0,0,0,0,0,0,0,0,0,0]
rule_map = np.stack((rule[0::2], rule[1::2]), axis=0)

现在，您可以使用当前状态来获取每个单元格的规则：

world = np.random.randint(2, size=(5, 6))
cur_cell_rules = rule_map[world]  # shape: (5, 6, 9)

为了得到新的世界状态，我们可以使用索引迭代器。在这里，我使用一个包含所有世界索引的数组来首先得到（展平的）当前单元格邻域和，然后使用这些得到（展平的）新状态。在赋值中，我再次将其展平为世界形状。（可能有更简单的方法来做到这一点...）

cur_cell_neighborhood_sum = ...  # shape: (5, 6)
world_ind = np.asarray([*np.ndindex(world.shape)])

# update world
world[world_ind[:, 0], world_ind[:, 1]] = cur_cell_rules[world_ind[:, 0], world_ind[:, 1], cur_cell_neighborhood_sum[world_ind[:, 0], world_ind[:, 1]]]

• • 编辑**：

要避免使用大型cur_cell_rules数组，您也可以采用另一种方法：

world_potential = rule_map[:, cur_cell_neighborhood_sum]  # shape: (2, 5, 6)

# update world, this time in smaller steps
world_flat = world[world_ind[:, 0], world_ind[:, 1]]
world_new_flat = world_potential[world_flat, world_ind[:, 0], world_ind[:, 1]]
world[world_ind[:, 0], world_ind[:, 1]] = world_new_flat