其想法是創(chuàng)建可被 3 整除的 ND 坐標(biāo)。為簡(jiǎn)單起見(jiàn)，讓坐標(biāo)值僅為 1 和 2。對(duì)于 6D 坐標(biāo)，可以使用以下代碼生成 64 個(gè)唯一坐標(biāo)，值為 1 和 2。x=np.arange(1, 3, 1)y=np.arange(1,3, 1)z=np.arange(1,3, 1)x_mesh, y_mesh, z_mesh=np.meshgrid(x,y,z)coords = [(a2, b2, c2,) for a, b, c in zip(x_mesh, y_mesh, z_mesh) for a1, b1, c1 in zip(a, b, c) for a2, b2, c2 in zip(a1, b1, c1)]arr = np.array ( coords )sorted_array = arr [np.lexsort ( (arr [:, 1], arr [:, 0]) )] # Optional, but it is here for easy comparison with output manually produced with excelrep_1 = np.repeat ( sorted_array, repeats=8, axis=0 )t2 = np.tile ( sorted_array,               (8, 1) )  # Optional, but it is here for easy comparison with output manually produced with excelTable_6d = np.concatenate ( (rep_1, t2), axis=1 )類似地，上面的代碼可以擴(kuò)展為生成 9D 坐標(biāo)，從而生成 512 個(gè)值為 1 和 2 的唯一坐標(biāo)。生成 9D 坐標(biāo)的代碼如下所示。x=np.arange(1, 3, 1)y=np.arange(1,3, 1)z=np.arange(1,3, 1)x_mesh, y_mesh, z_mesh=np.meshgrid(x,y,z)coords = [(a2, b2, c2,) for a, b, c in zip(x_mesh, y_mesh, z_mesh) for a1, b1, c1 in zip(a, b, c) for a2, b2, c2 in zip(a1, b1, c1)]arr = np.array(coords)sorted_array =arr[np.lexsort((arr[:, 1], arr[:, 0]))]r_a = np.repeat(sorted_array, repeats=8, axis=0)t2 = np.tile(sorted_array,(8,1))temp_tab=np.concatenate((r_a , t2 ), axis=1)tvv = np.tile(temp_tab,(8,1))T3 =tvv[np.lexsort((tvv[:, 5], tvv[:, 4], tvv[:, 3],tvv[:, 2], tvv[:, 1], tvv[:, 0]))] # Optional, but it is here for easy comparison with output manually produced with excelt3_1 = np.tile(sorted_array,(64,1))Table_9d=np.concatenate((T3 , t3_1 ), axis=1) 最終，我希望有一個(gè)千量級(jí)的更高維度坐標(biāo)。雖然可以擴(kuò)展上面的代碼，但我不確定如何概括它來(lái)處理更高的維度要求。感謝任何想法或閱讀材料。ps，創(chuàng)建這么大維度的主要原因是因?yàn)槲蚁霊?yīng)用 Pandas Vectorization。