Python，Numpy：numpy.array() 向量的所有唯一组合答案

【问题标题】：Python, Numpy: all UNIQUE combinations of a numpy.array() vectorPython，Numpy：numpy.array() 向量的所有唯一组合
【发布时间】：2015-11-09 15:26:46
【问题描述】：

我想获得 numpy.array 向量（或 pandas.Series）的所有独特组合。我使用了 itertools.combinations，但它非常慢。对于一个大小为 (1000,) 的数组，它需要很多小时。这是我使用 itertools 的代码（实际上我使用了组合差异）：

def a(array):
    temp = pd.Series([])
    for i in itertools.combinations(array, 2):
        temp = temp.append(pd.Series(np.abs(i[0]-i[1])))
    temp.index=range(len(temp))
    return temp

如你所见，没有重复！！ sklearn.utils.extmath.cartesian 真的又快又好，但它提供了我不想要的重复！我需要在不使用 itertools 的情况下重写上述函数的帮助，并且对于大型向量需要更快的速度。

【问题讨论】：

这就是你想要的：stackoverflow.com/questions/1208118/… 如果是这样，我将作为副本关闭
否，因为它不提供独特的组合！ itertools 本身很慢！
确保数组不能启动并屏蔽掉相等的值（对于它们自己/可能将它们作为特殊情况添加回来）？
如果你的意思是向量数组，它是唯一的，因为它的元素是随机的 float64 数字。其实我不明白你的建议！
另一个可能的解决方案是stackoverflow.com/questions/11144513/…

标签： numpy pandas combinations

【解决方案1】：

您可以使用二元运算（此处为减法，如您的示例）获取在笛卡尔积上形成的矩阵的上三角部分：

import numpy as np
n = 3
a = np.random.randn(n)
print(a)
print(a - a[:, np.newaxis])
print((a - a[:, np.newaxis])[np.triu_indices(n, 1)])

给予

[ 0.04248369 -0.80162228 -0.44504522]
[[ 0.         -0.84410597 -0.48752891]
 [ 0.84410597  0.          0.35657707]
 [ 0.48752891 -0.35657707  0.        ]]
[-0.84410597 -0.48752891  0.35657707]

n=1000（输出通过管道传输到/dev/null），运行时间为 0.131 秒在我相对普通的笔记本电脑上。

【讨论】：

【解决方案2】：

对于随机整数数组：

    import numpy as np
    import pandas as pd
    import itertools as it
    b=np.random.randint(0,8,((6,)))
    #array([7, 0, 6, 7, 1, 5])
    pd.Series(list(it.combinations(np.unique(b),2)))

给予

    0    (0, 1)
    1    (0, 5)
    2    (0, 6)
    3    (0, 7)
    4    (1, 5)
    5    (1, 6)
    6    (1, 7)
    7    (5, 6)
    8    (5, 7)
    9    (6, 7)
    dtype: object

【讨论】：

好又快。但是组合的顺序发生了变化。根据你的随机数组，我想要这个顺序的东西： (7,0) (7,6) (7,1) (7,7) (7,5) (0,6) (0,7) 等等.所以最好删除 np.unique()。谢谢你的帮助:)
假设 pd = pandas，它是什么？缺少导入？
import itertools as it 丢失。
@dk-na 好点，更新