Question

为了证明我做了某事。这是我的代码总和三行。

l=[1,2,3,4,5];
sum=0

for i in l:
    sum+=i*i;
print sum

我很好奇，我可以只用一行吗？

Answer 1

是的，你可以。这是使用sum函数：

l = [1,2,3,4,5]
print(sum(i*i for i in l))

Answer 2

怎么样：

sum(map(lambda x:x*x,l))

我们还使用reduce：

print reduce(lambda x,y: x+y*y,l) # as pointed by @espang reduce(lambda x,y: x+y*y,l) is only ok, when the first value is 1 (because 1*1 == 1). The first value is not squared

我们可以取第一个元素，得到它的方块，然后将它添加到列表的头部，这样我们就可以确保它是平方的。然后我们继续使用reduce。由于我们有更好的选择，所以这项工作并不值得。

reduce(lambda x,y: x+y*y,[l[:1][0]**2]+l[1:])

出于好奇，我试图比较三个解决方案，以求10000生成的range个数的平方和，并计算每个操作的执行时间。

l=range(10000) 
from datetime import datetime
start_time = datetime.now()
print reduce(lambda x,y: x+y*y,l)
print('using Reduce numbers: {}'.format(datetime.now() - start_time))

from datetime import datetime
start_time = datetime.now()
print sum(map(lambda x:x*x,l))
print('Sum after map square operation: {}'.format(datetime.now() - start_time))

from datetime import datetime
start_time = datetime.now()
print sum( i*i for i in l)
print('using list comprehension to sum: {}'.format(datetime.now() - start_time))

输出：

使用list comprehension更快

333283335000
using Reduce numbers: 0:00:00.003371
333283335000
Sum after map square operation: 0:00:00.002044
333283335000
using list comprehension to sum: 0:00:00.000916

Answer 3

对于更大的列表，当性能很重要时，你应该使用numpy：

import numpy as np
l = [1,2,3,4,5]
arr = np.array(l)

np.sum(arr**2)
# or better:
np.dot(arr, arr)

Answer 4

您可以定义一个功能并使用列表理解

l = [2, 6, 10, 12, 16, 20]

def sumOfSquares(alist):
return ((sum([i**2 for i in alist]))-(sum(alist)**2)/len(alist))

print(sumOfSquares(l))

一行中列表中的平方和？

4 个答案: