如何迭代嵌套嵌套函数

Question

我有一个多维数组arr_multi_dim。每增加一个参数n，数组结果中就会创建更多的条目，数组也会变大。

随着n 的每次增加，我需要在数组arr_multi_dim 上执行函数np.concatenate()，这样每次n 增加时都会嵌套更多的np.concatenate() 函数。

例如，

当 n=2 时：

arr_multi_dim = np.concatenate(np.concatenate(arr_multi_dim, axis=1), axis=1)

当 n=3 时：

arr_multi_dim = np.concatenate(np.concatenate(
                np.concatenate(np.concatenate(arr_multi_dim, axis=1), axis=1), axis=1), axis=1)

当 n=4 时：

arr_multi_dim = np.concatenate(np.concatenate(
                np.concatenate(np.concatenate(
                np.concatenate(np.concatenate(arr_multi_dim, axis=1), axis=1), axis=1), axis=1), axis=1), axis=1)

等等

n 每增加一次，就会将一对np.concatenate()（即两个）添加到函数中。

如何编写函数、循环（或类似的东西），以便当我为n 指定任何值时，将使用适当的np.concatenate() 函数？

非常感谢。

编辑：

这是我使用上述np.concatenate() 函数编写的完整代码。

from itertools import product
from joblib import Parallel, delayed
from functools import reduce
from operator import mul
import numpy as np

lst = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
arr = np.array(lst)
n = 2

def test1(arr, n):
    flat = np.ravel(arr).tolist()
    gen = (list(a) for a in product(flat, repeat=n))

    results = Parallel(n_jobs=-1)(delayed(reduce)(mul, x) for (x) in gen)

    nrows = arr.shape[0]
    ncols = arr.shape[1]

    arr_multi_dim = np.array(results).reshape((nrows, ncols)*n)
    arr_final = np.concatenate(np.concatenate(arr_multi_dim, axis=1), axis=1)  # need to generalise this

    return arr_final

以上代码仅适用于 n=2。我正在尝试概括代码的np.concatenate 部分，以便它适用于上述任何n。

Answer 1

如果我理解正确的话，这很简单：

arr_multi_dim = results
for i in range(n):
  if i < 2:
    arr_multi_dim = np.concatenate(arr_multi_dim , axis=1)
  else:
    arr_multi_dim = np.concatenate(np.concatenate(arr_multi_dim , axis=1), axis=1)

因为前两次迭代只添加了一层，而其余的添加了两层