给定大小的值范围内的组合
问题内容：
我正在使用以下代码为数组创建索引列表。但是，我希望索引按Fortran顺序运行，即内部循环是变化更快的循环。有没有办法在python中实现这一点。此刻，我得到的输出是C顺序的。
np.transpose(np.nonzero(np.ones([32,30])))
输出：
array([[ 0, 0],
[ 0, 1],
[ 0, 2],
...,
[31, 27],
[31, 28],
[31, 29]])
但是，我需要以下形式的输入：
array([[ 0, 0],
[ 1, 0],
[ 2, 0],
...,
[29, 29],
[30, 29],
[31, 29]])
问题答案：
A.两个参数解决方案（两列输出）
您可以使用生成这些索引，np.indices然后通过转置和重塑来完成工作-
np.indices((32,30)).T.reshape(-1,2)
样本输出-
In [36]: np.indices((32,30)).T.reshape(-1,2)
Out[36]:
array([[ 0, 0],
[ 1, 0],
[ 2, 0],
...,
[29, 29],
[30, 29],
[31, 29]])
运行时测试-
In [74]: points = [32,30]
# @218's soln
In [75]: %timeit np.transpose(np.nonzero(np.ones(points[::-1])))[:,::-1]
100000 loops, best of 3: 18.6 µs per loop
In [76]: %timeit np.indices((points)).T.reshape(-1,2)
100000 loops, best of 3: 16.1 µs per loop
In [77]: points = [320,300]
# @218's soln
In [78]: %timeit np.transpose(np.nonzero(np.ones(points[::-1])))[:,::-1]
100 loops, best of 3: 2.14 ms per loop
In [79]: %timeit np.indices((points)).T.reshape(-1,2)
1000 loops, best of 3: 1.26 ms per loop
进一步提升性能
我们可以通过使用pointswith翻转，np.indices然后使用np.column_stack来创建最终的2column数组来进一步优化它。让我们花些时间并对照已经提出的方案进行验证。在下面列出这两种方法-
def app1(points):
return np.indices((points)).T.reshape(-1,2)
def app2(points):
R,C = np.indices((points[::-1]))
return np.column_stack((C.ravel(), R.ravel()))
时间-
In [146]: points = [32,30]
In [147]: np.allclose(app1(points), app2(points))
Out[147]: True
In [148]: %timeit app1(points)
100000 loops, best of 3: 14.8 µs per loop
In [149]: %timeit app2(points)
100000 loops, best of 3: 17.4 µs per loop
In [150]: points = [320,300]
In [151]: %timeit app1(points)
1000 loops, best of 3: 1.1 ms per loop
In [152]: %timeit app2(points)
1000 loops, best of 3: 822 µs per loop
因此，在较大的形状上效果更好。
B.通用解决方案（通用列输出）
我们将使其通用，以便我们可以使用给定的尽可能多的参数，如下所示：
def get_combinations(params, order='right'):
# params : tuple of input scalars that denotes sizes
# The order arg is used for the LSB position. So, with order='right', the
# rightmost column is the least significant, hence it will change the most
# when going through the rows. For order='left', the leftmost column
# would change the most.
all_indices = np.indices(params)
if order=='right':
return np.moveaxis(all_indices,0,-1).reshape(-1,len(params))
elif order=='left':
return all_indices.T.reshape(-1,len(params))
else:
raise Exception('Wrong side value!')
样本案例运行-
In [189]: get_combinations((2,3), order='left')
Out[189]:
array([[0, 0],
[1, 0],
[0, 1],
[1, 1],
[0, 2],
[1, 2]])
In [191]: get_combinations((2,3,2), order='right')
Out[191]:
array([[0, 0, 0],
[0, 0, 1],
[0, 1, 0],
[0, 1, 1],
[0, 2, 0],
[0, 2, 1],
[1, 0, 0],
[1, 0, 1],
[1, 1, 0],
[1, 1, 1],
[1, 2, 0],
[1, 2, 1]])
