我使用 itertools.product 生成长度为 13 的 4 个元素的所有可能变体。4 和 13 可以是任意的,但实际上,我得到 4^13 个结果,这很多。我需要将结果作为 Numpy 数组,目前执行以下操作:
c = it.product([1,-1,np.complex(0,1), np.complex(0,-1)], repeat=length)
sendbuf = np.array(list(c))
中间插入了一些简单的分析代码,第一行看起来几乎是即时的,而转换为列表和 Numpy 数组大约需要 3 个小时。 有没有办法让它更快?这可能是我忽略的非常明显的事情。
谢谢!
最佳答案
itertools.product()
的 NumPy 等效项是 numpy.indices()
,但它只会为您提供 0,.. .,k-1:
numpy.rollaxis(numpy.indices((2, 3, 3)), 0, 4)
array([[[[0, 0, 0],
[0, 0, 1],
[0, 0, 2]],
[[0, 1, 0],
[0, 1, 1],
[0, 1, 2]],
[[0, 2, 0],
[0, 2, 1],
[0, 2, 2]]],
[[[1, 0, 0],
[1, 0, 1],
[1, 0, 2]],
[[1, 1, 0],
[1, 1, 1],
[1, 1, 2]],
[[1, 2, 0],
[1, 2, 1],
[1, 2, 2]]]])
对于您的特殊情况,您可以使用
a = numpy.indices((4,)*13)
b = 1j ** numpy.rollaxis(a, 0, 14)
(这不会在 32 位系统上运行,因为数组太大。根据我可以测试的大小推断,它应该在不到一分钟的时间内运行。)
EIDT:顺便提一下:对 numpy.rollaxis()
的调用或多或少是装饰性的,以获得与 itertools.product()
相同的输出。如果你不关心索引的顺序,你可以忽略它(但只要你没有任何后续操作会将你的数组转换为连续数组,它就很便宜。)
EDIT2:得到的精确模拟
numpy.array(list(itertools.product(some_list, repeat=some_length)))
你可以使用
numpy.array(some_list)[numpy.rollaxis(
numpy.indices((len(some_list),) * some_length), 0, some_length + 1)
.reshape(-1, some_length)]
这变得完全不可读——请告诉我是否应该进一步解释它:)
关于python - itertools 产品加速,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49027100/