我目前正在使用以下代码来完成本教程：
# numpy where
A = np.array([1,2,3,4])
B = np.array([100, 200, 300, 400])
condition = np.array([True, True, False, False])
answer = [(A_val if cond else B_val) for A_val, B_val, cond in zip(A, B, condition)]
answer
# Out: [1, 2, 300, 400]
问题：此python这种结构的复杂性是什么，列表推导和zip（）函数的混合？
传递给zip（）的每个变量是否都像另一个for循环一样？列表理解本身又如何呢？
感谢您的帮助！
答案 0 :(得分：4)
您要遍历列表A，B，condition，一旦完成每个步骤，就将元素添加到answer中，因此复杂度为O(n)其中n是最短列表的大小
传递给zip（）的每个变量是否都像另一个for循环一样？
将其视为一个循环，向zip添加1个参数将在每次迭代中添加O(1)，或在所有O(n)迭代中添加n。 （假设最小参数的大小为n）
例如，对于zip(X1,X2,...,Xm)，您正在做O(mn)工作，但是m是常量，因此它是O(n)。 （再次假设参数的最小大小为n）
答案 1 :(得分：1)
zip(*args)的运行时间为O(len(args) * min(len(a) for a in args)。如果没有关于参数的特定假设（例如，列表（O(n)的数目是恒定的）），则不必将其简化为len(args)。
现在，您经常可以做出这样的假设。如果列表长度相同，则可以使用该单个长度n代替最小长度计算，并使用m代表列表数，并将其写为{ {1}}。如果列表的数量不变，则O(m * n)的因数是一个常数，可以删除，仅保留m。
但是，如果您无法做出这些特定的假设，则将其视为O(n)可能会误导您。
如果一个列表有时可以短于其他列表，则较长列表的长度无关紧要，因为O(n)永远不会产生它们的最后一项。如果列表的数量是可变的，那么您就不能忽略zip这个词。