Question

如何避免以下代码中的嵌套for循环，而例如使用map函数？

import numpy as np

A = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
n = len(A[0])
B = np.zeros((n,n))

for i in range(n):
    for j in range(n):
        B[j,i] = min(A[:,i]/A[:,j])

Answer 1

我认为map()不适合解决此问题，因为您期望的结果是嵌套而不是拼合的。这比仅使用列表理解来获得所需的结果还要冗长一些。这是初始化B的一种更简洁的方法。

B = np.array([np.min(A.T/r, axis=1) for r in A.T])

此操作遍历A的每一列（A.T的每一行）并计算广播的除法A.T/r。 Numpy能够优化这一点，远远超出了原始循环所能做的。然后，np.min()的使用会比我们能够更快地计算出我们刚沿着每行（由于参数axis=1而行而不是列）计算出的那个矩阵的最小值内置min()进行内部矢量化处理。

如果您确实想映射某些内容，@ MartijnPieters指出您可以将itertools与itertools.product(range(len(A[0])), repeat=2)配合使用以实现相同的索引对。否则，您可以使用生成器((r, s) for r in A.T for s in A.T)来获取成对的行而不是成对的索引。无论哪种情况，您都可以在可迭代的对象上应用map()，但是仍然必须以某种方式嵌套结果才能正确初始化B。

注意：这可能不是您期望的结果。 A的元素默认情况下为整数（请注意，您使用的是3而不是3.）。当您将A的整数元素相除时，您将再次获得整数。在您的代码中，np.zeros()将这些整数强制转换为浮点数的事实使部分混淆，但是无论如何数学都是错误的。要解决此问题，请在构造A时传递一个附加参数：

A = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]], float)

Python：避免嵌套的for循环

1 个答案: