如何在NumPy数组中使用列表推导式替代嵌套for循环初始化指定形状随机数组

最优实现方案（无需循环/列表推导式，性能最高） #

你要实现的逻辑完全可以用Numpy原生方法直接完成，不需要在Python层写任何循环，性能比列表推导式更高，写法如下：

import numpy as np
N = 100  # 种群规模
D = 30  # 维度
lowerB = [-5.12] * D  # 各维度下限
upperB = [5.12] * D  # 各维度上限

# 直接生成形状为(N,D)的符合区间要求的数组
X = np.random.uniform(low=lowerB, high=upperB, size=(N, D))

该方法利用Numpy的广播机制自动适配维度，底层用C实现运算，效率远高于Python层的列表推导式或者循环。

列表推导式实现版本 #

如果你确实需要用列表推导式实现，正确写法如下：

X = np.array([[np.random.uniform(lowerB[d], upperB[d]) for d in range(D)] for i in range(N)])

你之前的写法存在的问题：两层循环完全展平，生成的是每个元素为(x,y)坐标对的一维数组，最终形状为(N*D, 2)，不符合要求。正确的嵌套列表推导式需要内层循环生成单条样本的所有维度值，外层循环遍历所有样本，最终生成嵌套列表结构再转成对应形状的Numpy数组。

相关学习参考 #

你可以查阅以下官方文档内容学习相关规则：

• Numpy官方文档中numpy.random.uniform方法的参数说明、形状广播规则章节
• Numpy数组广播机制基础教程章节
• Python官方文档中列表推导式的嵌套语法规则章节

内容的提问来源于stack exchange，提问作者Logan