كيفية عمل مصفوفة numpy من خلال كل الإحتمالات الممكنة من دمج مصفوفتين؟

في الإصدار الأحدث من numpy 1.8.x ،لديك دالة  numpy.meshgrid والتي توفر تنفيذًا أسرع بكثير:

دالة numpy.meshgrid() كانت تستخدم لتكون ثنائية الأبعاد فقط ، والآن أصبحت قادرة على ND. في هذا المثال ، ثلاثي الأبعاد:

In [115]:

%timeit np.array(np.meshgrid([1, 2, 3], [4, 5], [6, 7])).T.reshape(-1,3)
10000 loops, best of 3: 74.1 µs per loop
In [116]:

np.array(np.meshgrid([1, 2, 3], [4, 5], [6, 7])).T.reshape(-1,3)

Out[116]:
array([[1, 4, 6],
       [1, 5, 6],
       [2, 4, 6],
       [2, 5, 6],
       [3, 4, 6],
       [3, 5, 6],
       [1, 4, 7],
       [1, 5, 7],
       [2, 4, 7],
       [2, 5, 7],
       [3, 4, 7],
       [3, 5, 7]])

يمكنك تنفيذ الجداءالديكارتي باستخدام التابع التالي اعتماداً على الدالة meshgrid في مكتبة نمباي :

import numpy as np
x = np.array([0, 1, 2])
y = np.array([3, 4, 5])
# تعريف تابع يقوم بعملية الجداء الديكارتي
def cartesian(*arrays):
    g = np.meshgrid(*arrays)        
    coord = [x.ravel() for x in g]
    p = np.vstack(coord).T
    return p
# استدعاء التابع وطباعة الخرج
print(cartesian(x,y))
# الخرج
'''
[[0 3]
 [1 3]
 [2 3]
 [0 4]
 [1 4]
 [2 4]
 [0 5]
 [1 5]
 [2 5]]
'''

يمكن حل هذه المشكلة بإستخدام الدالة product في المصفوفات و دالة itertools التي تسمح بالمرور على عناصر المصفوفات واحد تلو الأخر:

import numpy as np
#إنشاء المصفوفات
x = np.array([0, 1, 2])
y = np.array([3, 4, 5])
# إنشاء مصفوفة فارغة لإضافة الناتج فيها لاحقا
all = []

# إستخدام الحلقات مع دالة الضرب لإيجاد الناتج و إضافته للمصفوفة 
for r in itertools.product(x, y): 
  all.append([r[0],r[1]])  

np.array(all)