Python 基于GPU的表分组操作组合解析器

给定一个包含许多列的表

|-------|-------|-------|-------|
|   A   |   B   |  ..   |   N   |
|-------|-------|-------|-------|
|   1   |   0   |  ..   |   X   |
|   2   |   0   |  ..   |   Y   |
|  ..   |  ..   |  ..   |  ..   |
|-------|-------|-------|-------|

迭代所有列组合（所有长度）并执行分组操作的最有效方法是什么？由于表格和特别是组合可能相当大（2^n），最好使用

---

这个表有多大？比如说超过100列。因此，与其说是按性能分组，不如说是按100列评估的组合，你要选择100个选择2+100个选择3+。。。100选择99个通话至groupby。这看起来是10^30级。如果每个内核调用连续运行，甚至只需要一纳秒，那么您仍然需要等待10^21秒（永远）。即使您可以并发运行一百万个线程，并且每个线程仍然在一纳秒内完成，您也需要等待10^15秒（永远）。为了获得成功，您可能需要重新定义此问题。谢谢@NickBecker，超级有效的分数。有一些贪婪的方法和选择尽早消除分支，但希望使问题简单易懂，并将重点放在GPU加速上。

 colnames = df.columns
 for L in range(2,len(colnames)):
   for comb in itertools.combinations(colnames, L):
     dfg = df.groupby(comb, sort=False).size().reset_index().rename(columns={0:'count'})