如何在材料筛选模型中遍历E1、E2变量获取所有可行组合？

首先，你的核心问题是原来的代码仅让E1和E2按固定步长同步增长，这样只能覆盖E1+=200、E2+=100这类同比例的组合，无法遍历所有可能的E1、E2取值组合。你尝试的嵌套循环思路是对的，但没处理好E2的重置和循环逻辑，导致无法正确遍历。

问题分析：你的尝试方案的问题点 #

你写的嵌套while循环有两个关键问题：

• 内层循环结束后，E2已经达到上限（200000），外层循环再次执行时，E2不会重置为初始值，导致内层循环直接跳过。
• 你在每次内层循环中同时增加E1和E2，这其实还是在同步增长，没有实现独立遍历E1和E2的所有组合。

正确的实现方式：独立遍历所有E1、E2组合 #

我们可以用嵌套for循环（比while更清晰，不易出错），先定义E1和E2各自的取值范围和步长，然后遍历每一对组合。以下是修改后的核心代码：

1. 定义E1和E2的取值范围与步长

首先，明确你需要的E1、E2的起始值、结束值和步长（比如E1从1000到200000，步长50；E2从1000到200000，步长350，你可以根据需求调整）：

# 定义E1和E2的取值范围与步长
e1_start = 1000
e1_end = 200000
e1_step = 50  # 可自定义
e2_start = 1000
e2_end = 200000
e2_step = 350  # 可自定义

2. 嵌套循环遍历所有组合

然后用嵌套for循环遍历每一对(E1, E2)，计算对应的参数并检查是否符合条件：

# 初始化存储结果的列表
pass_ee1 = []
pass_ee2 = []
pass_volume = []
pass_length = []
pass_strain = []

# 遍历所有E1的可能值
for E1 in range(e1_start, e1_end + 1, e1_step):
    # 遍历所有E2的可能值（每次外层循环都重置E2的起始值）
    for E2 in range(e2_start, e2_end + 1, e2_step):
        # 计算当前组合对应的参数
        current_strain = getStrain(Stress[0], 277, E1, E2, N2)
        current_length = getLength(length[0], current_strain)
        current_volume = getVolume(diameter, current_length, width)
        
        # 检查是否符合通过条件
        if (Volume_Min < current_volume < Volume_Max) and (Strain_Min < current_strain < Strain_Max):
            # 存储符合条件的结果
            pass_ee1.append(E1)
            pass_ee2.append(E2)
            pass_volume.append(current_volume)
            pass_length.append(current_length)
            pass_strain.append(current_strain)
            # 打印通过的组合（可选）
            print("\nPASS")
            print(f"E1 [MPa] = {E1}, E2 [MPa] = {E2}")
            print(f"Volume [m3] = {current_volume:.5f}, Length [m] = {current_length:.5f}, Strain = {current_strain:.5f}")

3. 生成结果DataFrame

最后将符合条件的结果整理成DataFrame：

# 转换数据格式（保留5位小数）
def RoundOFF(a):
    return float(format(a, '.5f'))

df_pass = pd.DataFrame({
    'E1 [MPa]': pass_ee1,
    'E2 [MPa]': pass_ee2,
    'Strain': [RoundOFF(s) for s in pass_strain],
    'Length [m]': [RoundOFF(l) for l in pass_length],
    'Volume [m3]': [RoundOFF(v) for v in pass_volume]
})

print("\n符合条件的材料参数汇总：")
display(df_pass)

优化方案：用numpy批量生成组合（适合大范围内高效计算） #

如果E1和E2的取值范围很大，嵌套for循环可能效率较低，这时可以用numpy.meshgrid批量生成所有组合，再向量化计算：

import numpy as np

# 生成所有E1和E2的组合
E1_arr = np.arange(e1_start, e1_end + 1, e1_step)
E2_arr = np.arange(e2_start, e2_end + 1, e2_step)
E1_mesh, E2_mesh = np.meshgrid(E1_arr, E2_arr)

# 批量计算Strain、Length、Volume
strain_mesh = getStrain(Stress[0], 277, E1_mesh, E2_mesh, N2)
length_mesh = getLength(length[0], strain_mesh)
volume_mesh = getVolume(diameter, length_mesh, width)

# 筛选符合条件的组合
mask = (volume_mesh > Volume_Min) & (volume_mesh < Volume_Max) & (strain_mesh > Strain_Min) & (strain_mesh < Strain_Max)

# 提取符合条件的数据
pass_e1 = E1_mesh[mask].flatten()
pass_e2 = E2_mesh[mask].flatten()
pass_strain = strain_mesh[mask].flatten()
pass_length = length_mesh[mask].flatten()
pass_volume = volume_mesh[mask].flatten()

# 生成DataFrame
df_pass_np = pd.DataFrame({
    'E1 [MPa]': pass_e1,
    'E2 [MPa]': pass_e2,
    'Strain': [RoundOFF(s) for s in pass_strain],
    'Length [m]': [RoundOFF(l) for l in pass_length],
    'Volume [m3]': [RoundOFF(v) for v in pass_volume]
})

display(df_pass_np)

关键注意事项 #

• 步长调整：你可以根据需求自由修改E1和E2的步长（比如E1步长50，E2步长350），这样就能覆盖所有你需要的比例情况。
• 性能考量：如果取值范围很大（比如步长很小），嵌套for循环会比较慢，这时优先用numpy的向量化计算。
• 初始值重置：在嵌套循环中，每次外层循环开始时，E2必须回到起始值（用for循环的话会自动处理，因为range每次都会生成新的序列）。

内容的提问来源于stack exchange，提问作者I.vdM