Question

请原谅，如果我无法准确地将自己的问题与标题进行综合，但是我想通过解释它，事情会变得更加清楚。

我的问题是我必须利用一组数组的每种组合来执行计算，然后将每个循环的相应结果以及用于计算的参数存储在数组中。随后，我将NumPy数组和相应的计算结果存储在熊猫数据框中

我正在尝试尽可能地避免for循环，并且我不确定是否还有其他方法可以利用我仍然不知道的pandas或python方法来达到我的目标。我要解决的问题自然会更加复杂，并且会涉及更多的数组以及更复杂的数据。因此，总而言之，我的问题是是否还有其他聪明的方法来避免我一直在做的事情。

我一直在使用的代码-以非常类似于matlab的方式编写-具有与以下类似的逻辑（这只是一个说明性的简单示例）：

max_x = 5
min_x = 1
x_1 = np.linspace(min_x, max_x, 5)
x_2 = np.linspace(min_x, max_x, 5)
x_3 = np.linspace(min_x, max_x, 5)
x_4 = np.linspace(min_x, max_x, 5)

x_result = np.array([])
x1 = np.array([])
x2 = np.array([])
x3 = np.array([])
x4 = np.array([])

for i in range(0,len(x_1)):
    for j in range(0,len(x_2)):
        for k in range(0,len(x_3)):
            for l in range(0, len(x_4)):
                        x_set = [x_1[i],x_2[j],x_3[k], x_4[l]]
                        x_calc = calculation_1(arg = x_set)                             
                        x1 = np.append(x1, x_1[i])
                        x2 = np.append(x2, x_2[j])
                        x3 = np.append(x3, x_3[k])
                        x4 = np.append(x4, x_4[l])
                        x_result = np.append(x_result, x_calc)

df_x = pd.DataFrame(np.array([x1, x2, x3, x4, x_result])).T

Answer 1

如果我对它的理解正确，那么您想使用数组实现某种笛卡尔积。我们可以使用np.meshgrid来做到这一点，例如：

def cartesian_product(*arrs):
    return np.transpose(np.meshgrid(*arrs)).reshape(-1, len(arrs))

例如：

>>> x_1 = [1,2,3]
>>> x_2 = [3,4]
>>> x_3 = [5]
>>> cartesian_product(x_1, x_2, x_3)
array([[1, 3, 5],
       [1, 4, 5],
       [2, 3, 5],
       [2, 4, 5],
       [3, 3, 5],
       [3, 4, 5]])

然后，您可以通过calculation_1（例如，使用np.apply_along_axis(..)）来引导此交叉产品的商品：

np.apply_axis(calculation_1, 1, c)

然后我们可以将该结果添加为新列，例如使用sum：

>>> c = cartesian_product(x_1, x_2, x_3)
>>> np.hstack((c, np.apply_axis(sum, 1, c)[:, None]))
array([[ 1,  3,  5,  9],
       [ 1,  4,  5, 10],
       [ 2,  3,  5, 10],
       [ 2,  4,  5, 11],
       [ 3,  3,  5, 11],
       [ 3,  4,  5, 12]])

Answer 2

例如，您可以使用递归重写n个嵌套循环。

（最终您可以使用队列通过单循环编写任何递归）

Read this for details

避免多个嵌套的for循环

2 个答案: