使用List Comprehension替换循环而不是循环获取函数以在列表推导中返回新数组

时间:2012-09-27 14:35:24

标签: python list loops numpy list-comprehension

基本上我试图避免在我看到这样的代码之前循环遍历大数组:

for rows in book:
        bs = []
        as = []
        trdsa = []
        trdsb = []
        for ish in book:
            var = (float(str(ish[0]).replace(':',"")) - float(str(book[0]).replace(':',"")))
            if var < .1 and var > 0 :
                bs.append(int(ish[4]))
                as.append(int(ish[5]))
                trdsa.append(int(ish[-2]))
                trdsb.append(int(ish[-1]))
                time = ish[0]
            bflow = sum(numpy.diff(bs))
            aflow = sum(numpy.diff(as))
            OFI = bflow - aflow - sum(trdsb) + sum(trdsa)
            OFIlist.append([time,bidflow,askflow,OFI])

我不想在列表中循环两次,因为它耗费了太多时间。我以为我可以做列表理解,但我不确定我是否在正确的轨道上

OFIcreate(x,y):
    bs = []
    as = []
    trdsa = []
    trdsb = []
    var = (float(str(y[0]).replace(':',"")) - float(str(x[0]).replace(':',"")))
    if var < .1 and var >= 0 :
        bs.append(int(ish[4]))
        as.append(int(ish[5]))
        trdsa.append(int(ish[-2]))
        trdsb.append(int(ish[-1]))
        time = ish[0]
    bflow = sum(numpy.diff(bs))
    aflow = sum(numpy.diff(as))
    OFI = bflow - aflow - sum(trdsb) + sum(trdsa)
    OFIlist.append([time,bidflow,askflow,OFI])
    return OFIlist

    OFIc = [ OFIcreate(x,y) for x in book for y in book)

问题是我想循环遍历列表并将所有实例分组,其中var&gt; = 0且var&lt; .1然后将值附加到新列表中。我现在拥有它的方式我不认为它会这样做,因为它将继续创建长度为1的列表。有关如何实现这一目标的任何想法?或者更确切地说,如何让第一个代码块更有效?

2 个答案:

答案 0 :(得分:1)

  

我不想在列表中循环两次,因为它耗费了太多时间。我以为我可以做列表理解,但我不确定我是否在正确的轨道上

可能不是。列表推导除了遍历给定列表之外什么都不做,所以它应该没有明显的区别。

答案 1 :(得分:1)

虽然列表推导确实比常规循环解释得更快,但它们不适用于所有内容。我不认为你可以通过列表理解来替换主for循环。但是,可能还有一些改进空间:

  • 您可以按列表理解构建time列表。

    time = [ish[0] for ish in book]
    
  • 您可以按列表推导计算var列表,并将其转换为np.array

    var = np.array([t.replace(':',',') for t in time], dtype=float)
    var -= float(str(book[0]).replace(":", ","))
    
  • 您可以为bsas构建4个numpy int数组(您需要重命名,as是Python关键字)。 ..

  • 然后,您可以使用精美的索引过滤bs ...数组:

    bs_reduced = bs[(var < 0.1) & (var >=0)]