用列表理解替换跨周的 for 循环

Question

如何用更有效的列表理解或类似的东西替换以下 for 循环？ Numpy 和 Pandas 不是一个选项，因为它们没有安装在客户端系统上，但也许 itertools 可能有用？

n_day_cells      = 24*60/240
week_matrix      = list()

for i in range(7):
    for j in range(n_day_cells):
        week_matrix.append([i,j,0])

编辑： 抱歉，我或许应该更具体一些。我在 Python 2.7 上，除了 "core" 软件包（例如 itertools）之外没有其他软件包。此代码在我的脚本中需要运行 ~1M-1B 次。

Answer 1

您可以使用：

week_matrix = [[i,j,0] for i in range(7) for j in range(n_day_cells)]

如果您的范围更大并且您处于 Python2，您可能希望使用 xrange 而不是 range 来获取迭代器。

如果您真的想节省更多时间，请使用 xrange，并创建元组列表而不是列表列表（Python2 中的所有示例）：

In [3]: %timeit [[i,j,0] for i in range(7) for j in range(n_day_cells)]
100000 loops, best of 3: 6.51 µs per loop

In [4]: %timeit [(i,j,0) for i in range(7) for j in range(n_day_cells)]
100000 loops, best of 3: 4.6 µs per loop

In [5]: %timeit [(i,j,0) for i in xrange(7) for j in xrange(n_day_cells)]
100000 loops, best of 3: 4.09 µs per loop

上面的最后一个应该是最快的选择，即使你想将它用作生成器：

week_matrix = ((i,j,0) for i in xrange(7) for j in xrange(n_day_cells))

地图提供的另一个答案虽然很有趣，但由于重复调用 lambda 和调用 map:

会产生更多开销

In [6]: %timeit map(lambda x: [x//6, x%6, 0], xrange(n_day_cells*7))
100000 loops, best of 3: 10.6 µs per loop

Answer 2

使用 map.

构建列表

n_day_cells = 24*60/240
map(lambda x: [x//n_day_cells, x%n_day_cells, 0], xrange(n_day_cells*7))

或者使用 itertools.

的一种方式

import itertools
a = itertools.imap(lambda x: [x//n_day_cells, x%n_day_cells, 0], xrange(n_day_cells*7))

需要取值的时候会消耗时间。不会消耗明显的内存。

用列表理解替换跨周的 for 循环

Replace for-loop across week with list comprehension

python

loops

list-comprehension