python之构建所有可能数字列表的更智能方法

我必须按照给定的步长(目前为 1/3)构建一个 3x2 值组合列表，其中包含 0.0 到 1.0 之间的所有可能值。

输出应该是 [ [[v1, v2], [v3, v4], [v5, v6]], ... ] 其中每个 v 是一个介于 0.0 和 1.0 之间的值，例如:

[ [[0.0, 0.0], [0.0, 0.0], [0.0, 0.0]], 
[[0.0, 0.0], [0.0, 0.0], [0.0, 0.33]], 
[[0.0, 0.0], [0.0, 0.0], [0.0, 0.66]], 
[[0.0, 0.0], [0.0, 0.0], [0.0, 1.0]], 
[[0.0, 0.0], [0.0, 0.0], [0.33, 0.0]], 
[[0.0, 0.0], [0.0, 0.0], [0.33, 0.33]], 
..., 
[[1.0, 1.0], [1.0, 1.0], [1.0, 1.0]] ] 

到目前为止我有:

step = 1.0/3.0 
lexica = [] 
for num1 in numpy.arange(0.0, 1.0, step): 
    for num2 in numpy.arange(0.0, 1.0, step): 
        for num3 in numpy.arange(0.0, 1.0, step): 
            for num4 in numpy.arange(0.0, 1.0, step): 
                for num5 in numpy.arange(0.0, 1.0, step): 
                    for num6 in numpy.arange(0.0, 1.0, step): 
                        lexica.append([[num1, num2],[num3, num4],[num5, num6]]) 

这不会获得 1.0 的最高值，并且知道 Python 必须有更好的编写方法。

请您参考如下方法:

您可以使用 numpy.mgrid 并对其进行操作以获得您想要的输出

np.mgrid[0:1:step, 0:1:step, 0:1:step, 0:1:step, 0:1:step, 0:1:step].T.reshape(-1, 3, 2) 

编辑:

修复端点的更可扩展的方法:

def myMesh(nSteps, shape = (3, 2)): 
    c = np.prod(shape) 
    x = np.linspace(0, 1, nSteps + 1) 
    return np.array(np.meshgrid(*(x,)*c)).T.reshape((-1, ) + shape) 
 
myMesh(3) 
 
array([[[ 0.        ,  0.        ], 
        [ 0.        ,  0.        ], 
        [ 0.        ,  0.        ]], 
 
       [[ 0.        ,  0.33333333], 
        [ 0.        ,  0.        ], 
        [ 0.        ,  0.        ]], 
 
       [[ 0.        ,  0.66666667], 
        [ 0.        ,  0.        ], 
        [ 0.        ,  0.        ]], 
 
       ...,  
       [[ 1.        ,  0.33333333], 
        [ 1.        ,  1.        ], 
        [ 1.        ,  1.        ]], 
 
       [[ 1.        ,  0.66666667], 
        [ 1.        ,  1.        ], 
        [ 1.        ,  1.        ]], 
 
       [[ 1.        ,  1.        ], 
        [ 1.        ,  1.        ], 
        [ 1.        ,  1.        ]]])