如何按指定顺序计算字典笛卡尔积 匹配doepy全因子设计输出顺序

基于全因子实验设计生成所有参数组合的DataFrame时，doepy库的build.full_fact()方法在组合规模较大时运行速度很慢，改用笛卡尔积方法计算虽然速度更快，但输出的组合顺序和doepy结果不一致，需要让笛卡尔积输出顺序完全匹配doepy的结果。
原有测试代码如下：

import pandas as pd
from doepy import build
from tqdm.contrib.itertools import product

gas_dict = {
 'Velocity (m/s)': [0.00000000E+00, 0.10000000E+00, 0.20000000E+00, 0.30000000E+00, 
         0.40000000E+00, 0.60000000E+00, 0.10000000E+01], 
 
 'Pressure (Pa)': [0.10000000E+06, 0.50000000E+06, 0.10000000E+07, 0.20000000E+07, 
                   0.40000000E+07], 
 
 'Temperature': [0.30000000E+03, 0.40000000E+03, 0.50000000E+03, 0.60000000E+03,],
 'Equivalence Ratio': [0.10000000E+00, 0.50000000E+00, 0.60000000E+00, 0.70000000E+00, 
                      0.80000000E+00, 0.90000000E+00, 0.10000000E+01, 0.11000000E+01, 
                      0.12000000E+01, 0.13000000E+01]    }


def product_dict(**kwargs):
    keys = kwargs.keys()
    vals = kwargs.values()
    for instance in product(*vals):
        yield dict(zip(keys, instance))
        
gas = build.full_fact(gas_dict)      # 顺序正确的参考结果
gas_product = list(product_dict(**gas_dict))  # 顺序不匹配
gas_product = pd.DataFrame(gas_product)

tqdm.contrib.itertools.product和标准库itertools.product的迭代逻辑一致：传入的序列中，最右侧的序列迭代速度最快，最左侧的序列迭代速度最慢。
而doepy的build.full_fact()迭代逻辑相反：传入的参数字典中，最左侧的参数迭代速度最快，最右侧的参数迭代速度最慢，二者的迭代步进顺序完全相反，因此直接按原字典顺序传入计算笛卡尔积会得到顺序不一致的结果。

计算笛卡尔积时将参数序列逆序传入，生成单条组合记录时再将键值对逆序还原为原始参数顺序，最终输出的DataFrame即可和doepy结果完全一致，同时保留笛卡尔积计算的高性能与tqdm进度条功能。
修正后的实现代码：

def product_dict_match_doepy(**kwargs):
    keys = list(kwargs.keys())
    # 逆序传入参数序列，对齐doepy的迭代步进逻辑
    reversed_vals = [kwargs[key] for key in reversed(keys)]
    for instance in product(*reversed_vals):
        # 逆序拼接键值对，还原原始参数列顺序
        yield dict(zip(reversed(keys), instance))

# 生成结果并验证
gas_doepy = build.full_fact(gas_dict)
gas_product_fixed = pd.DataFrame(list(product_dict_match_doepy(**gas_dict)))

# 一致性校验，返回True代表顺序和值完全匹配
print(gas_doepy.equals(gas_product_fixed))

• 生成的全因子组合顺序、数值和doepy输出完全一致
• 计算性能和原生笛卡尔积相当，大规模参数组合场景下速度远高于doepy原生实现
• 保留tqdm进度条，大规模计算时可实时查看进度

内容的提问来源于stack exchange，提问作者Zizi96