提高迭代Python程序效率的尝试

Question

早上好，如果这是个模糊的问题，我很抱歉。我尽量描述一下。你知道吗

基本上，我使用Python代码对空气扩散模型的结果进行后处理，以测试不同的场景。我使用Python，因为它可以在几秒钟内遍历结果，而分散软件则需要几个小时。我的问题是，代码仍然需要数周的时间来运行我所有的场景，我想知道这是否是由于糟糕的编程。我不会把整个代码放在这里，因为很多时候如果它不相关，但我会经历我正在采取的步骤。首先，我的问题是：

• 我有17个来源同时行动
• 每个源可以有四个不同的排放速率，这与另一个源无关。也就是说，源#1的排放率可以是a、b、c或d。源#2-#17的排放率也可以是a、b、c或d。你知道吗
• 每个源可以采用两种状态中的一种。我们称之为工作或不工作，但在这两个州有一个排放率。但是，只有5个源可以同时工作。这很重要。你知道吗

总而言之，每个源的排放量是四种排放率以及两种状态的函数。因此，每个污染源有8种可能的排放情景，所有17种污染源一次都可能处于这些情景中的任何一种。相当多的排列！你知道吗

我现在是这样计算结果的。我想知道每种状态组合的最大结果是什么。如果你熟悉空气扩散模型，我已经根据1g/s的排放率计算了结果，所以我可以根据上面的排放率缩放结果。你知道吗

代码：

sources = ['1','2',...'17']   
emission_rates = ['a','b','c','d'] 
Source_1_results = [list of values of length x] ## NOTE THAT x is VERY LONG.  THESE ARE HUGE ARRAYS (400,000 values)
Source_2_result = [list of values of length x]
.
.
Source_17_results = [list of values of length x]

working_sources = list(itertools.combinations(sources, 5))
source_emission_rate = list(itertools.combinations_with_replacement(emission_rates, 17))

for e in source_emission_rate:
    for w in working_sources:
        temp_results = []
        for num, source in enumerate(sources):
            temp_results[num] = [Source_x_result * e * w] ##THIS LINE INVOLVES SOME LOOKUP IN MY CODE TO REFERENCE THE ACTUAL RESULTS AND EMISSIONS ETC.  

我很抱歉，如果这是不够的代码。我可以发布完整的代码，但同样的，在大多数情况下，它只是分配变量等

我的问题是：有没有一种更快的方法来遍历所有可能的状态？我的代码目前正在运行，但我的python知识有限，希望能够在更改变量等时更频繁地运行它

提前谢谢！你知道吗

Answer 1

这应该稍微快一点（少一点中间列表+列表理解）

working_sources = itertools.combinations(sources, 5)
source_emission_rate = itertools.combinations_with_replacement(emission_rates, 17)

for e in source_emission_rate:
    for w in working_sources:
        temp_results = [source * e * w for source in sources]