Question

我正在研究Monte Carlo算法。本质上，由于涉及时间，因此每次迭代都会生成一个列表，其中包含50个项目，涵盖了50年的仿真。我附上这些内容，以便有一个包含10,000个元素的列表，每个元素都是50个数字的列表。

现在，当然，我需要将每年的数据放入一个包含10,000个项目的列表中，以便进行年度直方图分析。

举一个简单的例子，如果我有5次运行3年的数据，则可能会有一个看起来像这样的列表：

[[1,2,3, 4,5], [1.1, 2.2, 3.3, 4.4, 5.5], [2.5, 2.6, 2.7, 2.8, 2.9]]

，我需要将其放入类似如下的列表中：

[[1, 1.1, 2.1], [2, 2.2, 2.6], [3, 3.3, 2.7], [4, 4.4, 2.8], [5, 5.5, 2.9]]

很显然，我可以使用双循环来强行执行此操作，但是对于50万个数据点，我正在寻找更高效和Pythonic的东西。

是否有人对内部（或程序包）有足够的了解，可以使这种情况快速有效地发生？

Answer 1

您可以使用zip或numpy.transpose（可能更快）：

d = [[1,2,3, 4,5], [1.1, 2.2, 3.3, 4.4, 5.5], [2.5, 2.6, 2.7, 2.8, 2.9]]

zip(*d) # returns a generator in Python3, use list on top of it if needed

import numpy as np
np.transpose(d) # returns a np.array, which will behave more or less the same as a Python list
# or simply something like 
arr = np.array(d)
arr[:,i] # returns the i-th values in each row

Answer 2

您可以zip列表：

x = [[1,2,3, 4,5], [1.1, 2.2, 3.3, 4.4, 5.5], [2.5, 2.6, 2.7, 2.8, 2.9]]

y = zip(*x) #Unpacking elements of x before zipping

print(list(y))
>>>[(1, 1.1, 2.5), (2, 2.2, 2.6), (3, 3.3, 2.7), (4, 4.4, 2.8), (5, 5.5, 2.9)]

Answer 3

列表是灵活的项目；结果，它们很慢。由于您具有固定宽度的环境，因此请使用增强的结构。对于初学者，NumPy 2D阵列应该会有所帮助。您不必将其强制改变方向：只需使用提供的矢量表达式，并强制NumPy进行所需的矢量化（假设您的处理器支持这些矢量化）。

如何有效地从10,000个Python列表中选择第i个项目并将其有效地转换为列表？

3 个答案: