如何在Python中高效地对大型矩阵执行网格搜索？

Question

给定一个nxn矩阵a（它实际上是一个图的邻接矩阵），我需要查看该矩阵的所有可能的mxm子矩阵（在本例中为m=8），并将子矩阵传递给函数并收集其结果。在

现在，我要做的是：

# generate all possible 8x8 submatrices 
for w in itertools.combinations(range(n), m):
         # extract 8x8 submatrix from the matrix
         submatrix = A[np.ix_(list(w),list(w))]
         # do some work on the submatrix
         foo(submatrix)

问题是：上面的代码在n=30x30矩阵（大约有500万个m=8x8子矩阵需要搜索）下工作得很好。但是，我想将我的算法应用到n=100x100个矩阵上，这意味着（100choose8）=1860亿个可能的子矩阵。在

有什么可以让我更快完成这个过程的吗？或者这是一个难以解决的问题？在

Answer 1

import numpy as np
from scipy.ndimage import generic_filter

m = np.arange(100*100).reshape((100,100))

def myfunction(data):
    mean = np.mean(data)
    return mean 

%timeit results = generic_filter(m, myfunction, size=8)
#10 loops, best of 3: 96.6 ms per loop

使用generic_filter的scipy.n图像在