使用Python列表推导计算列表中的正整数元素

Question

我有一个整数列表，我需要计算它们中有多少是＆gt; 0
我目前正在使用列表理解，如下所示：

sum([1 for x in frequencies if x > 0])

这似乎是一种体面的理解，但我并不喜欢“1”;这看起来像是一个神奇的数字。有没有更多的Python方法来做到这一点？

Answer 1

如果要减少内存量，可以避免使用生成器生成临时列表：

sum(x > 0 for x in frequencies)

这是有效的，因为bool是int的子类：

>>> isinstance(True,int)
True

和True的值为1：

>>> True==1
True

然而，正如Joe Golton在评论中指出的那样，这个解决方案并不是很快。如果您有足够的内存来使用中间临时列表，那么sth's solution可能会更快。以下是比较各种解决方案的一些时间：

>>> frequencies = [random.randint(0,2) for i in range(10**5)]

>>> %timeit len([x for x in frequencies if x > 0])   # sth
100 loops, best of 3: 3.93 ms per loop

>>> %timeit sum([1 for x in frequencies if x > 0])
100 loops, best of 3: 4.45 ms per loop

>>> %timeit sum(1 for x in frequencies if x > 0)
100 loops, best of 3: 6.17 ms per loop

>>> %timeit sum(x > 0 for x in frequencies)
100 loops, best of 3: 8.57 ms per loop

请注意，timeit结果可能因Python，OS或硬件的版本而异。

当然，如果你在一大堆数字上做数学，你可能应该使用NumPy：

>>> frequencies = np.random.randint(3, size=10**5)
>>> %timeit (frequencies > 0).sum()
1000 loops, best of 3: 669 us per loop

NumPy数组比等效的Python列表需要更少的内存，并且计算的执行速度可以比任何纯Python解决方案快得多。

Answer 2

稍微多一点Pythonic的方式就是使用生成器：

sum(1 for x in frequencies if x > 0)

这可以避免在调用sum()之前生成整个列表。

Answer 3

您可以在已过滤的列表中使用len()：

len([x for x in frequencies if x > 0])

Answer 4

这样可行，但将bool添加为int可能会很危险。请把这个代码带上一粒盐（可维护性先行）：

sum(k>0 for k in x)

Answer 5

如果数组只包含元素＆gt; = 0（即所有元素都是0或正整数），那么你可以只计算零并从数组的长度中减去这个数字：

len(arr) - arr.count(0)

Answer 6

这个怎么样？

reduce(lambda x, y: x+1 if y > 0 else x, frequencies)

编辑： 灵感来自@~unutbu的接受答案：

reduce(lambda x, y: x + (y > 0), frequencies)

Answer 7

我想指出，所有这些都适用于列表。如果我们有一个 numpy 数组， 有些解决方案至少能快 40 倍......

总结给出的所有解决方案并测试效率，再加上一些（必须修改reduce代码才能在Python 3中运行它），注意最后一个答案是micros，而不是millis：

可复制粘贴格式的代码：

import random
import functools
frequencies = [random.randint(0,2) for i in range(10**5)]
from collections import Counter
import numpy as np

%timeit len([x for x in frequencies if x > 0])   # sth
%timeit sum([1 for x in frequencies if x > 0])
%timeit sum(1 for x in frequencies if x > 0)
%timeit sum(x > 0 for x in frequencies)
%timeit functools.reduce(lambda x, y: x + (y > 0), frequencies)
%timeit Counter(frequencies)

#'-------Numpy-----------------------')
%timeit ((np.array(frequencies))>0).sum()
npf=np.array(frequencies)
#'-------Numpy without conversion ---')
%timeit (npf>0).sum()