当我们使用列表理解时，如何保持原始列表的形状？

Question

我有一个形状如下的零列表：

yp = numpy.zeros(5, 2, 2), dtype = complex)

我使用以下两个for循环对其进行了修改：

for a in range(0,5):
    for b in range(0, 2):
        yp[a, b, b] = numpy.sum(F[a, b,:])

如何使用列表理解来做同样的事情？ 显然，使用下面的行会更改我的原始列表的形状。

yp = [numpy.sum(F[a, b,:]) for a in range(0,5) for b in range(0, 2)]   

Answer 1

您的原始循环无法转换为列表理解，因为它没有分配numpy矩阵的所有元素。列表理解总是产生完整的列表（或列表列表）。

如果您的目标是用零填充未分配的元素，那么对应的列表理解可能是这样的：

[ [ [0,0,numpy.sum(y_network[a, b, :])] for b in range(2)] for a in range(5)]

区别在于，每个理解级别都会生成一个列表，该列表本身会对元素使用理解。

请注意，这并不完全相同，因为numpy.sum(y_network[a, b, :])的值始终放在第3维的最后一个元素中，而不是索引b处。您可以使用更多代码左右填充零，但这将使其变得复杂且难以理解，这几乎使使用列表理解的目的无法实现。

您还可以为任务编写一个循环：

for b in range(2): yl[:,b,b] = np.sum(network[:,b,:],1)

Answer 2

问题在于您仅分配[a，b，b]（2 x 2矩阵的对角线），其余部分保持原样，并且在列表理解中很难做到这一点。以下内容将与您所拥有的相同，但是效率很低。

yp = numpy.array([numpy.sum(y_network[a, b,:]) if b==c else yp[a,b,b] for a in range(0,5) for b in range(0, 2) for c in range(0,2)]).reshape(5,2,2)

或者您可以在后面插入yp[a,b,b]

yp = [numpy.sum(y_network[a, b,:]) for a in range(0,5) for b in range(0, 2)]

使用正确的索引以提高效率，但是嵌套循环应该更好。