如何用Numpy实现双数组二维迭代以替代列表推导式？

可以利用Numpy的repeat和tile函数实现完全向量化的操作，彻底避免列表推导式，直接生成目标二维数组，具体步骤如下：

1. 拆分x、y数组中的独立分量
2. 对x分量进行重复，匹配y的元素数量
3. 对y分量进行平铺，循环匹配每个x
4. 拼接所有分量得到最终结果

具体代码实现：

import numpy as np

x_cam_screen_range = np.linspace((6, 0), (18, 1), 3)
y_cam_screen_range = np.linspace((-3, 0), (3, 1), 3)

# 拆分x相关的两个分量
x_vals = x_cam_screen_range[:, 0]
screen_x_vals = x_cam_screen_range[:, 1]

# 拆分y相关的两个分量
y_vals = y_cam_screen_range[:, 0]
screen_y_vals = y_cam_screen_range[:, 1]

# 对x分量重复，每个x对应所有y
x_repeated = np.repeat(x_vals, len(y_vals))
screen_x_repeated = np.repeat(screen_x_vals, len(y_vals))

# 对y分量平铺，循环匹配每个x
y_tiled = np.tile(y_vals, len(x_vals))
screen_y_tiled = np.tile(screen_y_vals, len(x_vals))

# 拼接成最终的二维数组
tile_iter_np = np.column_stack([x_repeated, screen_x_repeated, y_tiled, screen_y_tiled])

print(tile_iter_np)

运行结果与列表推导式生成的内容完全一致，输出为：

[[ 6.   0.  -3.   0. ]
 [ 6.   0.   0.   0.5]
 [ 6.   0.   3.   1. ]
 [12.   0.5 -3.   0. ]
 [12.   0.5  0.   0.5]
 [12.   0.5  3.   1. ]
 [18.   1.  -3.   0. ]
 [18.   1.   0.   0.5]
 [18.   1.   3.   1. ]]

这种方法基于Numpy的向量化操作，处理大规模数据时效率远高于列表推导式，完全符合Numpy的使用规范。

内容的提问来源于stack exchange，提问作者Spencer M.