<div dir="ltr"><div>Hello,<br><br></div>indeed I was looking for the cartesian product.<br><br>I timed the two stackoverflow answers and the winner is not quite as clear:<br><div><div><br>n_elements:    10  cartesian  0.00427 cartesian2  0.00172<br>n_elements:   100  cartesian  0.02758 cartesian2  0.01044<br>n_elements:  1000  cartesian  0.97628 cartesian2  1.12145<br>n_elements:  5000  cartesian 17.14133 cartesian2 31.12241<br><br></div><div>(This is for two arrays as parameters: np.linspace(0, 1, n_elements))<br>cartesian2 seems to be slower for bigger.<br><br></div><div>I'd really appreciate if this was be part of numpy. Should I create a pull request?<br><br></div><div>Regarding combinations and permutations: I could be convenient to have as well.<br><br><br></div><div>Cheers,<br></div><div> Stefan<br></div><div><br><br></div><div><br><br></div></div></div>