如何高效生成指定范围与长度的数值组合NumPy数组？

首先先纠正你现有实现的基础问题：你用itertools.combinations根本生成不了目标数组——combinations是无重复元素的组合接口，出不来(0,0,0,1)这种有重复值、跨顺序的元组，itertools里对应你需求的接口是itertools.product，但这个方案性能一般，参数稍大就很慢。

小规模可全量存储场景的最优实现 #

当range和size参数不大，全量数据能放进内存时，直接用numpy原生接口实现，比itertools方案快10~100倍，代码也更简洁，全程没有Python层面的循环开销，所有计算都在C层完成：

import numpy as np

range_param = 3
size = 4
# 注意不要直接用range做变量名，会覆盖Python内置的range函数
# 生成所有符合要求的元组，输出shape为[(range_param+1)^size, size]
result = np.indices(
    (range_param + 1,) * size,
    dtype=np.int16  # 取值最大50的话int16足够存，省内存
).T.reshape(-1, size)

以你举的range=3、size=4为例，这段代码会直接生成4^4=256个从(0,0,0,0)到(3,3,3,3)的所有元组，顺序和你要求的完全一致。

如果你需要自定义每个维度的取值范围（不是所有维度都从0到range_param），可以换成meshgrid版本，性能基本一致：

dim_arrs = [np.arange(range_param + 1) for _ in range(size)]
result = np.stack(
    np.meshgrid(*dim_arrs, indexing="ij"),
    axis=-1
).reshape(-1, size)

参数最高到50场景的注意事项 #

先给你算个最直观的账：当两个参数都取到50时，你要的全量元组总个数是51^50 ≈ 1.7e85，这个数字比可观测宇宙的原子总数量（约1e80）还大5个数量级，没有任何消费级、企业级甚至超算的存储能装下这个数组，根本没必要生成全量，根据你的实际需求选方案就行：

• 顺序遍历场景：直接用itertools.product(range(range_param+1), repeat=size)迭代器，它按需生成元素，不会一次性加载全量数据到内存，遍历一个处理一个即可
• 随机采样场景：不需要生成全量集合，直接随机生成整数数组，效率极高：

  # 示例：随机采样10000个符合要求的元组
  sample_count = 10000
  result = np.random.randint(0, range_param + 1, size=(sample_count, size))
  

• 小尺寸全量存储场景：如果参数组合算下来全量数据能放进内存（比如range=50、size≤5时，总数据量约3.4亿条，占内存2GB左右，普通机器可以承载），直接用前面的np.indices方案即可，性能远高于itertools转数组的写法。

内容的提问来源于stack exchange，提问作者Axd