计算区分度：加速矩阵行所有组合的运算

嘿，这个问题我太熟了——你的原代码思路完全正确，但在个体数量较多时，itertools.combinations带来的O(N²)遍历会让速度慢到离谱。咱们直接用数学公式把它改成纯向量化操作，性能能提升好几个数量级！

为什么原代码慢？ #

原代码遍历所有个体对（共C(N,2) = N*(N-1)/2对），逐对比较每一列的差异再累加。当N=1000时，就有499500次循环；N=10000时，这个数字会飙升到近5000万——完全没必要做这么多重复计算。

核心数学原理（二进制矩阵专属） #

对于二进制矩阵的某一列来说：

• 假设该列有k个1，N-k个0（N是个体总数）
• 能区分的个体对数量 = k(N-k)*

原因很简单：只有一个取1、一个取0的个体对才会被该列区分，而两个1或两个0的对无法区分。所有这样的组合数正好是1的数量乘以0的数量，和你遍历所有对统计的结果完全一致。

优化后的代码 #

用NumPy的向量化操作直接计算，全程没有循环：

import numpy as np

# 假设G是你的二进制NumPy矩阵（元素为0或1）
num_individuals = G.shape[0]
# 计算每列中1的数量
count_ones_per_col = G.sum(axis=0)
# 直接用公式计算区分度
distinctions = count_ones_per_col * (num_individuals - count_ones_per_col)

验证正确性 #

举个小例子测试：

G = np.array([
    [1, 0, 1],
    [0, 0, 1],
    [1, 1, 0]
])

• 原代码计算结果：array([2, 2, 2])
• 优化后代码计算结果：count_ones_per_col = [2,1,2]，distinctions = 2*(3-2) = 2，1*(3-1)=2，2*(3-2)=2，完全一致。

额外说明 #

如果你的矩阵不是严格的0/1二进制（比如存在其他值），可以先转成标准二进制：

# 将非0值转为1，0保持不变
G_binary = (G != 0).astype(int)

这个优化后的方案时间复杂度是O(NM)，相比原代码的O(N²M)，当N较大时速度提升极其明显——比如N=1000时，速度是原代码的500倍左右；N=10000时，能快5000倍以上，完全能满足性能需求。

内容的提问来源于stack exchange，提问作者voo