如何按特定顺序获得词典的笛卡尔产品？

Question

我想从实验的完整阶乘设计中创建可能组合的DF。 我正在使用Doepy，但随着DOE中的组合数量的增长，它似乎正在放慢速度。我切换到使用product_dict（）的笛卡尔产品，该产品似乎更快，但以不同的顺序给出组合。

我需要DOE组合的数据框架以Doepy给出的顺序相同，我认为这是可能的，但我不确定如何。

我的问题是如何计算gas_dict的笛卡尔产品，并以与Doepy相同的顺序给出结果？

import pandas as pd
from doepy import build
from tqdm.contrib.itertools import product

gas_dict = {
 'Velocity (m/s)': [0.00000000E+00, 0.10000000E+00, 0.20000000E+00, 0.30000000E+00, 
         0.40000000E+00, 0.60000000E+00, 0.10000000E+01], 
 
 'Pressure (Pa)': [0.10000000E+06, 0.50000000E+06, 0.10000000E+07, 0.20000000E+07, 
                   0.40000000E+07], 
 
 'Temperature': [0.30000000E+03, 0.40000000E+03, 0.50000000E+03, 0.60000000E+03,],
 'Equivalence Ratio': [0.10000000E+00, 0.50000000E+00, 0.60000000E+00, 0.70000000E+00, 
                      0.80000000E+00, 0.90000000E+00, 0.10000000E+01, 0.11000000E+01, 
                      0.12000000E+01, 0.13000000E+01]    }


def product_dict(**kwargs):
    keys = kwargs.keys()
    vals = kwargs.values()
    for instance in product(*vals):
        yield dict(zip(keys, instance))
        
gas = build.full_fact(gas_dict)      #Correct form 
gas_product = list(product_dict(**gas_dict))  #Incorrect
gas_product = pd.DataFrame(gas_product)

gas_.equals(gas_product)
compare = gas == gas_product

Answer 1

我认为这取决于产品功能的参数顺序，这似乎决定了阵列在创建笛卡尔产品时循环循环的方式。
如果将输入字典中数组的顺序逆转，则输出将变得相同。 （在这里采取的两个实现之间的差异似乎就是这种情况，因此，如果有人有一些更详细的见解。）

# reverse dictionary keys
reversed_cols = list(gas_dict.keys())[::-1]
# create reversed input dictionary
gas_dict_rev = {c: sorted(gas_dict[c]) for c in reversed_cols}
# create cartesian product with reversed column order
gas_product_rev = list(product_dict(**gas_dict_rev)) 
gas_product_rev = pd.DataFrame(gas_product_rev)
# change the column order to conform original dict
gas_product_rev = gas_product_rev[gas_dict.keys()]

输出然后视觉上看起来相同，但是gas.equals.equals.equals（gas_product_rev）仍然向我报告。我不熟悉此功能，但我想它不会考虑浮动精度。使用允许浮点精度的numpy函数检查我们获得了预期的结果：

for column in gas:
    print(f'{column} {np.allclose(gas[column], gas_product[column])}')

# Velocity (m/s) False
# Pressure (Pa) False
# Temperature False
# Equivalence Ratio False

for column in gas:
    print(f'{column} {np.allclose(gas[column], gas_product_rev[column])}')

# Velocity (m/s) True
# Pressure (Pa) True
# Temperature True
# Equivalence Ratio True