itertools.product(np.arange(0.0, 1.1, 0.1), repeat=30) 杀死进程

Posted 2023-02-25

【中文标题】itertools.product(np.arange(0.0, 1.1, 0.1), repeat=30) 杀死进程

【英文标题】：itertools.product(np.arange(0.0, 1.1, 0.1), repeat=30) killed process

【发布时间】：2018-10-27 14:31:03

【问题描述】：

l 具有以下由 30 个嵌套 for 循环组成的功能。当我运行我的脚本时，我收到以下错误： SyntaxError: 静态嵌套块过多

函数有什么作用？

计算一组 31 个值 (x1,..,x31) 的配置，其值范围为 0 到 1，步长为 0.1，使得这 31 个值的总和等于 1.0。

我尝试了什么？

def compute_config():

    config = []
    for b1 in np.arange(0.0, 1.1, 0.1):
        for b2 in np.arange(0.0, 1.1, 0.1):
            for b3 in np.arange(0.0, 1.1, 0.1):
                for b4 in np.arange(0.0, 1.1, 0.1):
                    for b5 in np.arange(0.0, 1.1, 0.1):
                        for b6 in np.arange(0.0, 1.1, 0.1):
                            for b7 in np.arange(0.0, 1.1, 0.1):
                                for b8 in np.arange(0.0, 1.1, 0.1):
                                    for b9 in np.arange(0.0, 1.1, 0.1):
                                        for b10 in np.arange(0.0, 1.1, 0.1):
                                            for b11 in np.arange(0.0, 1.1, 0.1):
                                                for b12 in np.arange(0.0, 1.1, 0.1):
                                                    for b13 in np.arange(0.0, 1.1, 0.1):
                                                        for b14 in np.arange(0.0, 1.1, 0.1):
                                                            for b15 in np.arange(0.0, 1.1, 0.1):
                                                                for b16 in np.arange(0.0, 1.1, 0.1):
                                                                    for b17 in np.arange(0.0, 1.1, 0.1):
                                                                        for b18 in np.arange(0.0, 1.1, 0.1):
                                                                            for b19 in np.arange(0.0, 1.1, 0.1):
                                                                                for b20 in np.arange(0.0, 1.1, 0.1):
                                                                                    for b21 in np.arange(0.0, 1.1, 0.1):
                                                                                        for b22 in np.arange(0.0, 1.1,0.1):
                                                                                            for b23 in np.arange(0.0,1.1, 0.1):
                                                                                                for b24 in np.arange(0.0, 1.1, 0.1):
                                                                                                    for b25 in np.arange(0.0, 1.1,  0.1):
                                                                                                        for b26 in np.arange(0.0,1.1,0.1):
                                                                                                            for b27 in np.arange(0.0,1.1,0.1):
                                                                                                                for b28 in np.arange(0.0,1.1,0.1):
                                                                                                                    for b29 in np.arange(0.0,1.1,0.1):
                                                                                                                        for b30 in np.arange(0.0, 1.1,0.1):
                                                                                                                            b31 = 1 - np.sum([b1, b2, b3, b4, b5, b6, b7,b8, b9, b10, b11, b12,b13,b14,b15,b16, b17, b18, b19, b20, b21, b22,b23, b24, b25, b26, b27,b28,b29,b30])
                                                                                                                            if (b31 >= 0.0):
                                                                                                                                x = [b1, b2, b3, b4, b5, b6, b7,b8, b9, b10, b11, b12,b13,b14,b15,b16, b17, b18, b19, b20, b21, b22,b23, b24, b25, b26, b27,b28,b29,b30,b31]
                                                                                                                                if (np.sum(x) == 1.0) or (np.sum(x) == 1):
                                                                                                                                    config.append([x])
    config=np.asanyarray(config)
    config=np.squeeze(config)

返回配置

编辑：

按照@Martijn Pieters 的回答：

set_of_configurations=itertools.product(np.arange(0.0, 1.1, 0.1), repeat=30)

我想通过说我只需要 2000 个配置来确定预算。

有没有办法做到以下几点：

    set_of_configurations=itertools.product(np.arange(0.0, 1.1, 0.1), repeat=30,budget=2000)
   set_of_configurations = np.asarray(list(set_of_configurations))
   set_of_configurations.shape
   (2000,30)

因为有 30 个循环，我们得到了数百万个配置并且进程被终止。

我尝试了什么？

set_of_configurations_1=itertools.product(np.arange(0.0, 1.1, 0.1), repeat=15)
set_of_configurations_2=itertools.product(np.arange(0.0, 1.1, 0.1), repeat=15)
set_of_configurations=itertools.product(set_of_configurations_1,set_of_configurations_2)

但是我得到了 l 杀死进程：

set_of_configurations=itertools.product(set_of_configurations_1,set_of_configurations_2)

有什么提示吗？

谢谢

【问题讨论】：

您可以改用itertools.product() 创建笛卡尔积； itertools.product(np.arrange(0.0, 1.1, 0.1), repeat=30)。但是，您为什么要这样做？

非常感谢@MartijnPieters 的回答。是否可以添加预算？假设只需要 2000 个配置？

@MartijnPieters，它们代表我数据的随机系数

@MartijnPieters，请看我的更新

【参考方案1】：

根据@Martjin Pieters 给出的指示，这是解决方案。一切都是关于使用 isslice ：

set_of_configurations=itertools.islice(itertools.product(np.arange(0.0, 1.1, 0.1), repeat=30),0,10000)

【讨论】：

鉴于您只取 10000 个项目，因此每个项目中只有最后 4 个条目可以是非零 - 前 26 个将始终为零。那是你要的吗？ （另外，请注意，总和为 1.0 的配置将少于 300 个。）

@MarkDickinson，好点子。那么我怎样才能从最后的 4 个条目中获取配置呢？