numpy数组/矩阵上的值排列答案

【问题标题】：Permutation of values on numpy array/matrixnumpy数组/矩阵上的值排列
【发布时间】：2015-07-29 00:43:04
【问题描述】：

我正在寻找可以加快创建置换矩阵的代码。即，我想创建一个包含 n 列的矩阵，其中每个列值迭代 m 个值，在每一行上创建一个 n^m 组合。在下面的示例中，有 2 种方法可以创建矩阵，在这种情况下，n=7 和 m=5 创建的矩阵类似于：

1 1 1 1 1 1 1
1 1 1 1 1 1 2
1 1 1 1 1 1 3
1 1 1 1 1 1 4
1 1 1 1 1 1 5
1 1 1 1 1 2 1
...
5 5 5 5 5 5 5

行的顺序无关紧要，只需要创建所有组合即可。我已经编写了以下 2 种方法来创建数组，但是 metod1 非常慢（虽然非常冗长且易于理解），而 method2 使用 numpy 函数更快。但我仍然需要找到一种更快的方法来创建矩阵。

import numpy as np

############################################
def permArray_meth1():

    allArray = np.zeros((1,7))

    for a1  in range(1,6):
        for a2  in range(1,6):
            for a3  in range(1,6):
                for a4  in range(1,6):
                    for a5  in range(1,6):
                        for a6  in range(1,6):
                            for a7  in range(1,6):

                                allArray = np.append(allArray, np.array([a1,a2,a3,a4,a5,a6,a7]).reshape(1,7), axis=0)

    allArray = np.delete(allArray, 0, 0)
    return allArray

############################################
def permArray_meth2():

    ##### Create permutation matrix #####
    a = np.arange(np.power(5,7)).reshape(5,5,5,5,5,5,5)
    allArray = [(a1,a2,a3,a4,a5,a6,a7) for a1,a2,a3,a4,a5,a6,a7 in np.ndindex(a.shape)]

    ##### Convert list to array #####
    allArray = np.asarray(allArray)+1
    return allArray


############################################
if __name__ == "__main__":

    allArray = permArray_meth1()    #  (50sec)
    print 'allArray1', np.shape(allArray)

    allArray = permArray_meth2()    #  (1sec)
    print 'allArray2', np.shape(allArray)

我知道速度也取决于使用的 CPU 硬件，但我正在寻找比上面显示的相对更快的代码。

还有其他方法/代码吗？

【问题讨论】：

请问你想用矩阵做什么？您是在整个矩阵上应用函数还是逐行应用函数？
@plonser，只能逐行应用函数

标签： python arrays numpy

【解决方案1】：

您可以通过使用np.indices()为第 1 列、第 2 列、...、第 n 列创建一个 (n, m, m, ..., m) 索引数组，然后将输出重塑为 (n ** m, n)数组：

import numpy as np

def permgrid(m, n):
    inds = np.indices((m,) * n)
    return inds.reshape(n, -1).T

例如：

print(permgrid(2, 3))

# [[0 0 0]
#  [0 0 1]
#  [0 1 0]
#  [0 1 1]
#  [1 0 0]
#  [1 0 1]
#  [1 1 0]
#  [1 1 1]]

【讨论】：