подходом, создавая все такие комбинации и суммируя: Вот Векторизованный подход с использованием itertools.product
и array-indexing
-
from itertools import product
a = np.asarray(arr) # Convert to array for ease of use and indexing
m,n = a.shape
combs = np.array(list(product(range(n), repeat=m)))
out = a[np.arange(m)[:,None],combs.T].sum(0)
Пример запуск -
In [296]: arr = [[1, 2, 4], [10, 3, 8], [16, 12, 13], [14, 4, 20]]
In [297]: a = np.asarray(arr)
...: m,n = a.shape
...: combs = np.array(list(product(range(n), repeat=m)))
...: out = a[np.arange(m)[:,None],combs.T].sum(0)
...:
In [298]: out
Out[298]:
array([41, 31, 47, 37, 27, 43, 38, 28, 44, 34, 24, 40, 30, 20, 36, 31, 21,
37, 39, 29, 45, 35, 25, 41, 36, 26, 42, 42, 32, 48, 38, 28, 44, 39,
29, 45, 35, 25, 41, 31, 21, 37, 32, 22, 38, 40, 30, 46, 36, 26, 42,
37, 27, 43, 44, 34, 50, 40, 30, 46, 41, 31, 47, 37, 27, 43, 33, 23,
39, 34, 24, 40, 42, 32, 48, 38, 28, 44, 39, 29, 45])
подход памяти эффективная: Вот подход, не создавая все эти комбинации и используя вместо этого на лета broadcasted
сложений и философия очень вдохновлен this other post
-
a = np.asarray(arr)
m,n = a.shape
out = a[0]
for i in range(1,m):
out = out[...,None] + a[i]
out.shape = out.size # Flatten
Я попробовал регулярный питон 'для 'петли. Но мне нужно использовать высокопроизводительные структуры данных из numpy/panda. Я искал много форумов, но не мог найти, как перебирать все комбинации элементов. – vkb