布尔数组全排列高效实现方案问询：替代低效Python代码

你的原代码效率低的核心问题是：permutations会生成所有重复排列（比如两个True交换位置的结果其实完全一样），再用set去重等于做了大量无用功，当数组变长时，计算量会爆炸式增长（比如n1=5、n2=5时，原方法要生成10!=3628800个排列，实际唯一排列只有C(10,5)=252个）。

更高效的实现思路 #

直接生成唯一位置组合：既然要放n1个True和n2个False，本质就是从总长度n1+n2的位置中选n1个位置放True，剩下的自动是False。用itertools.combinations可以直接生成这些不重复的位置组合，完全避免重复计算。

代码实现 #

方式1：逐个生成（内存友好，适合数量较大时）

from itertools import combinations
import numpy as np

n1 = 2
n2 = 3
total_len = n1 + n2

# 生成所有唯一排列
unique_perms = []
for true_positions in combinations(range(total_len), n1):
    arr = np.full(total_len, False)
    arr[list(true_positions)] = True
    unique_perms.append(arr)

# 查看结果
for perm in unique_perms:
    print(perm)

方式2：numpy批量生成（速度更快，适合中等规模）

from itertools import combinations
import numpy as np

n1 = 2
n2 = 3
total_len = n1 + n2

# 生成所有True的位置组合
true_positions = np.array(list(combinations(range(total_len), n1)))
# 批量构造布尔数组
unique_perms = np.zeros((len(true_positions), total_len), dtype=bool)
unique_perms[np.arange(len(true_positions))[:, None], true_positions] = True

# 查看结果
for perm in unique_perms:
    print(perm)

效率对比 #

• 原方法时间复杂度：O((n1+n2)!)，且需要额外的去重开销
• 新方法时间复杂度：O(C(n1+n2, n1))，其中C是组合数，远小于阶乘

比如当n1=10、n2=10时，原方法要生成20!≈2.4e18个排列（完全不可能运行），而新方法只生成C(20,10)=184756个排列，瞬间就能完成。

内容的提问来源于stack exchange，提问作者Okapi575