import numpy as np import pandas as pd from itertools import product def doe(factors): loopval = [] df_col = [] values = [] for i in factors.keys(): df_col.append(i) loopval.append(factors[i]) for i in product(*loopval): values.append(list(i)) df = pd.DataFrame(values,columns=df_col) df_col.append("标准序") df["标准序"] = df.index.copy() + 1 df = df.reindex(np.random.permutation(df.index)).reset_index(drop=True) return df 优化这段代码并提高性能

以下是对代码进行优化并提高性能的几个建议：

1. 使用列表推导式代替循环添加元素到列表中：

   df_col = list(factors.keys())
   loopval = list(factors.values())
   values = [list(i) for i in product(*loopval)]

2. 使用 pandas 的 MultiIndex 代替添加“标准序”列：

   arrays = [np.arange(len(val)) for val in loopval]
   index = pd.MultiIndex.from_product(loopval, names=df_col)
   df = pd.DataFrame(index=index).reset_index()

3. 将 DataFrame 的 index 重命名为“标准序”：

   df.index.name = "标准序"
   df.reset_index(inplace=True)
   df["标准序"] += 1

4. 使用 inplace=True 直接在 DataFrame 上进行操作，避免重复创建 DataFrame。

综上所述，优化后的代码如下：

   import numpy as np 
   import pandas as pd 
   from itertools import product 

   def doe(factors): 
       df_col = list(factors.keys())
       loopval = list(factors.values())
       values = [list(i) for i in product(*loopval)]
       arrays = [np.arange(len(val)) for val in loopval]
       index = pd.MultiIndex.from_product(loopval, names=df_col)
       df = pd.DataFrame(index=index).reset_index()
       df.index.name = "标准序"
       df.reset_index(inplace=True)
       df["标准序"] += 1
       df.reindex(np.random.permutation(df.index), inplace=True)
       return df  

以上是一些可能的优化方式，具体优化效果还需根据数据量和具体情况进行实际测试。