避免多重嵌套 for 循环

Question

如果我不能准确地综合我的标题的问题，请原谅，但我想通过解释它，事情会变得更清楚。

我的问题是我必须使用一组数组的每个组合来执行计算，然后将每个循环的相应结果以及用于计算的参数存储在一个数组中。随后，我会将 NumPy 数组和相应的计算结果存储在 pandas 数据帧中

我试图尽可能避免 for 循环，我不确定是否有其他方法可以利用我仍然不知道的 pandas 或 python 方法来实现我的目标。我试图解决的问题自然更复杂，并且会涉及更多的数组以及更复杂的数据。所以，总而言之，我的问题是是否有其他聪明的方法可以避免我一直在做的事情。

我一直在编写的代码 - 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

如果我理解正确，您想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 引导这个交叉产品的项目，例如np.apply_along_axis(..)：

np.apply_axis(calculation_1, 1, c)

然后我们可以将该结果添加为新列，例如 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。

（最终你可以使用队列编写任何单循环递归）

Read this for details