多维数组组合提取的高效实现方案咨询

场景1：仅需随机选取一组符合要求的组合 #

如果不需要生成所有可能的组合，只是从每个数组里随机挑一个子数组，直接通过随机索引取值即可，时间复杂度仅为O(5)，完全无需遍历所有组合：

Python示例代码：

import random

# 假设你的多维数组为main_arr，包含5个子数组集合
main_arr = [
    [sub_arr_0_1, sub_arr_0_2, ...],  # 99个27元素子数组
    [sub_arr_1_1, sub_arr_1_2, ...],  # 300个27元素子数组
    ...  # 剩余3个子数组集合
]

result = []
for arr in main_arr:
    # 随机生成当前数组的有效索引
    random_idx = random.randint(0, len(arr) - 1)
    result.append(arr[random_idx])

场景2：需要生成部分组合（非全部） #

如果只需要处理部分组合，可以用生成器按需逐个产出结果，避免一次性生成所有组合占用大量内存：

Python生成器实现示例：

def generate_combinations(arrays):
    if not arrays:
        yield []
    else:
        for item in arrays[0]:
            for rest in generate_combinations(arrays[1:]):
                yield [item] + rest

# 初始化生成器
comb_generator = generate_combinations(main_arr)
# 按需获取前N个组合（示例为前100个）
first_100_combs = [next(comb_generator) for _ in range(100)]

场景3：必须生成所有组合（优化执行效率） #

如果确实需要生成全部组合，总迭代次数是各数组长度的乘积（无法减少），但可以用语言内置的高效工具替代手动循环，比如Python的itertools.product——它基于C实现，执行效率远高于纯Python嵌套循环：

import itertools

# 生成所有组合，返回迭代器（避免一次性占满内存）
all_combinations = itertools.product(*main_arr)
# 若内存充足，可转换为列表
all_combinations_list = list(all_combinations)

进阶优化：基于原始数组直接生成 #

由于所有子数组都由27元素的原始数组组合生成，若能获取子数组对应的原始元素索引/组合规则，可以直接基于原始数组生成目标组合，无需预存所有子数组：

• 例如记录每个子数组对应的元素掩码（哪些原始元素被选中）
• 生成组合时，直接根据掩码从原始数组提取元素，节省内存同时可能利用规则减少计算量

内容的提问来源于stack exchange，提问作者Talha Israr