Question

编辑：解决方案

答案发布在下面，使用来自itertools的list prod大大减少了内存使用量，因为它是一个列表对象，我在链接的线程中忽略了这一点。

代码：

n = 2 #dimension
r = np.arange(0.2,2.4,0.1) #range

grid = product(r,repeat=n)

for g in grid:
    y = np.array(g)
    if np.all(np.diff(g) > 0) == True:
        print(f(y)) #or whatever you want to do

我尝试在一定范围内评估具有n个参数的函数。我希望能够在一定范围内更改n，因此用户可以通过他的输入来确定它。

我在here的帮助下得到了一个工作代码，它看起来像这样：

import numpy as np

n = 2 #determine n
r = np.arange(0.2,2.4,0.1) #determine range
grid=np.array(np.meshgrid(*[r]*n)).T.reshape(-1,n) #creates a meshgrid for the range**n

#reduces the number of used points in the grid (the function is symmetrical in its input parameters)
for i in range(0,n-1):
    grid = np.array([g for g in grid if g[i]<g[i+1]])

y = np.zeros((grid.shape[0]))
for i in range(grid.shape[0]):
    y[i] = f(grid[i,:]) #evaluating function for all lines in grid

这只能达到n等于5或6，然后网格数组和输出数组才会变得很大，以便Spyder处理它（~10 MB）。

有没有办法一次只创建一行meshgrid（参数组合）来评估函数？然后我可以将这些值（grid，y）保存在文本文件中，并在下一步中覆盖它们。

或者有没有办法在没有meshgrid的范围内创建所有n维组合，但是一次只有一个变量n和一个？

Answer 1

您可能想尝试使用迭代器。似乎itertools.product符合您的需求。

r = np.arange(0,3,1) #determine range
list(product(r,r))
#[(0, 0), (0, 1), (0, 2), (1, 0), (1, 1), (1, 2), (2, 0), (2, 1), (2, 2)]

更多细节：

grid = product([r]*n)
y = np.zeros(... # you should know the exact size
i = 0
for g in grid:
    if ...:      # check if g in ascending order
        y[i] = f(g)
        i += 1

顺便说一下y的大小应为comb(len(r), 3)，请从len(r)

中选择3

from scipy.special import comb
comb(len(r), 3)

或单行

y = [f(g) for g in grid if is_ascending(g)]

其中is_ascending是用户定义的过滤函数。

仅使用一片meshgrid或替换它来评估函数

1 个答案: