生成特定数量的排列

Question

我已经广泛浏览了 SO，我发现了很多关于生成所有可能的排列的问题，但没有一个关于生成特定数量的排列的问题。

感谢许多 SO 问题，我开发了一个不错的置换测试例程。但是我必须重复很多次，而且花费的时间太长。

我的代码：

def exact_mc_perm_test(ys, nmc,boolean_selection):
    # xs sample from a time series
    # ys all time series
#     print nmc
    # sample difference in mean
    mean_ys = np.mean(ys)
    diff = np.abs(np.mean(ys[boolean_selection]) - mean_ys)
    k=0
    for j in np.arange(nmc):
        # in place shuffling
        np.random.shuffle(ys)
        # difference now between fixed all time series and shuffled subsamplevalues
        diff_shuffled = np.abs(np.mean(ys[boolean_selection]) - mean_ys)
        k += diff < diff_shuffled
    return k / nmc

我接受了这个SO answer 并针对我的特定测试对其进行了修改。

我必须在存储在 xarray 中的 3D 数组上运行它。数据集具有 (lon,lat,time) 坐标，我需要为每个 (lon,lat) 位置（沿时间维度）运行它

我使用 chain.iteratools 运行它：

for ii in chain.from_iterable(zip(*dataset.variable())):
    iis = ii[selected_position].values
    ind_x =dataset.lon==ii.lon
    ind_y =dataset.lat==ii.lat
    dataset.perm_test[ind_y, ind_x] = exact_mc_perm_test1(iis, ii.values, 1000.,selected_position)

理想情况下，我想运行一个包含 20000 个排列的排列测试。两个循环（在 (lon,lat) 内和 20000 次随机播放）加起来。

我希望加快排列测试代码的速度。

因此，我想尝试生成一个形状为 (len(ys),20000) 的二维数组，其中包含基本上 20000 个随机排列的 ys 数组，然后在其中访问它们并计算 20000 个差异（代码中的差异）。 （或者在内存使用和循环之间找到一个折衷，所以可能一次为 4000 次随机播放做 5 次循环）。

我无法弄清楚或找到一种方法来做到这一点。

来自 itertools 的 permutations 命令会生成所有可能的排列，在我的情况下这些排列太多而无法处理。

我查看了随机库，但找不到适合我需要的东西。有什么建议吗？

Answer 1

看看itertools中的compress()和permutations()：

for perm in compress(permutation(iterable, r=length), boolean_selection):
    print(perm)