我来自MATLAB背景,根据其他堆栈中的答案,到目前为止这个简单的操作似乎在Python中实现起来非常复杂。通常,大多数答案都使用for循环。
到目前为止我见过的最好的是
import numpy
start_list = [5, 3, 1, 2, 4]
b = list(numpy.array(start_list)**2)
有更简单的方法吗?
答案 0 :(得分:4)
最具可读性的可能是列表理解:
start_list = [5, 3, 1, 2, 4]
b = [x**2 for x in start_list]
如果您是功能类型,则需要map
:
b = map(lambda x: x**2, start_list) # wrap with list() in Python3
答案 1 :(得分:4)
只需使用列表理解:
start_list = [5, 3, 1, 2, 4]
squares = [x*x for x in start_list]
注意:作为次要优化,执行x*x
的速度要快于x**2
(或pow(x, 2))
。
答案 2 :(得分:3)
您可以使用列表理解:
[i**2 for i in start_list]
如果您使用的是numpy
,则可以使用tolist
方法:
In [180]: (np.array(start_list)**2).tolist()
Out[180]: [25, 9, 1, 4, 16]
或np.power
:
In [181]: np.power(start_list, 2)
Out[181]: array([25, 9, 1, 4, 16], dtype=int32)
答案 3 :(得分:3)
注意:由于我们已经有vanilla Python, list comprehensions and map的重复项,并且我没有找到重复的方法来对 1D numpy数组进行定位,我以为我会保留我的使用numpy
numpy.square()
如果您是从MATLAB转到Python,那么尝试使用numpy肯定是正确的。使用numpy,您可以使用numpy.square()
返回输入的元素方块:
>>> import numpy as np
>>> start_list = [5, 3, 1, 2, 4]
>>> np.square(start_list)
array([25, 9, 1, 4, 16])
numpy.power()
还有一个更通用的numpy.power()
>>> np.power(start_list, 2)
array([25, 9, 1, 4, 16])