NumPy 的`meshgrid`函数如何高效生成数组值的所有组合？

利用 NumPy 进行高效数组组合

为了研究六参数函数的数值行为，您需要寻找一种有效的方法来遍历其参数空间。最初，您使用自定义函数来组合数组值，然后使用 reduce() 来重复应用它。虽然有效，但事实证明这种方法很麻烦。

NumPy 的高效解决方案

较新版本的 NumPy（1.8.x 及更高版本）提供了一个更加优越的解决方案：numpy.meshgrid()。此函数可以创建包含输入数组所有可能组合的多维数组。在您的情况下：

import numpy as np

a = np.arange(0, 1, 0.1)
combinations = np.array(np.meshgrid(a, a, a, a, a, a)).T.reshape(-1, 6)

此方法显着提高了性能，如以下基准所示：

%timeit np.array(np.meshgrid(a, a, a, a, a, a)).T.reshape(-1, 6)

# Output: 10000 loops, best of 3: 74.1 µs per loop

或者，您可以使用以下自定义函数来实现最大程度的控制：

def cartesian(arrays):
    arr = np.empty((len(arrays.shape), len(arrays)))
    for n, array in enumerate(arrays):
        arr[n, :] = array
    return arr.T.reshape(-1, len(arrays))

%timeit cartesian([a, a, a, a, a, a])

# Output: 1000 loops, best of 3: 135 µs per loop

以上是NumPy 的`meshgrid`函数如何高效生成数组值的所有组合？的详细内容。更多信息请关注PHP中文网其他相关文章！