如何基于存储范围边界的元组列表高效生成符合要求的唯一数值组合

你之前用嵌套for循环效率低的核心原因是纯Python循环存在大量解释器层面的执行开销，且扩展性差，区间数量变化就要手动调整嵌套层级。下面给两种经过验证的高效实现：

方案1：使用标准库itertools.product（通用性最强） #

这个方法是Python内置的笛卡尔积生成工具，底层为C实现，效率比纯Python嵌套循环高2到3个数量级，且支持任意长度的区间列表，无需调整代码结构：

import itertools

L = [(10,20),(30,40),(60,70),(90,100)]
# 每个元组转闭区间对应的range对象，注意range是左闭右开，所以上界要+1
interval_ranges = [range(start, end + 1) for start, end in L]
# 生成所有组合，返回迭代器，按需迭代即可，无需一次性加载全量数据
all_combinations = itertools.product(*interval_ranges)

# 如果需要转成列表存储所有结果
# all_combinations = list(all_combinations)

你给出的示例中每个区间共11个取值，11^4=14641，该方法生成的组合数完全匹配要求。

方案2：使用numpy生成（适合后续有批量数值计算的场景） #

如果后续需要对生成的组合做批量数值运算，可以用numpy的meshgrid实现，运算效率更高：

import numpy as np

L = [(10,20),(30,40),(60,70),(90,100)]
interval_arrays = [np.arange(start, end + 1) for start, end in L]
grid = np.meshgrid(*interval_arrays, indexing='ij')
all_combinations = np.stack(grid, axis=-1).reshape(-1, len(L))

该方法返回的是numpy数组，无需额外格式转换即可直接做批量计算，组合规模越大性能优势越明显。

内容的提问来源于stack exchange，提问作者Sumedha Nagpal