具有比较条件的列表推导中的列表推导答案

【问题标题】：List comprehension inside a list comprehension with comparison condition具有比较条件的列表推导中的列表推导
【发布时间】：2020-04-07 01:17:30
【问题描述】：

我有一个这样的列表，

 sl=[[1,2,100],[2,100,4],[100,4,5],[4,5,6],[5,6,200],[6,200,7],[200,7,8],[7,8,300],[8,300,9]]

现在我想找到那些元素大于平均值的元素并将其存储到一个列表中。

所以，列表看起来像，

  [[100],[100],[100],[],[200],[200],[200],[300]]

我可以用for循环来做，代码如下，

indices=[]
for i in sl:
    indices.append([j for j in i if (j>(np.mean(i))])

但是执行时间长。我想使用 for 循环并使用某种列表理解来完成相同的任务。

有什么方法可以最有效地缩短执行时间？

【问题讨论】：

对于原始列表中的列表[4,5,6]，我认为您应该期望输出中的列表[6]。
发布的解决方案是否对您有用？

标签： python list numpy list-comprehension

【解决方案1】：

您应该在每个循环中只计算一次平均值。这应该会有所改善：

indices = []
for i in sl:
  mean = np.mean(i)
  indices.append([j for j in i if j > mean])

我认为将整个内容转换为嵌套列表推导式不会有帮助，因为我们想在最内层循环之外提取均值计算。

【讨论】：

【解决方案2】：

您可以在一个列表理解中包含所有内容，避免 for 循环，获得一些性能：

means = map(np.mean, sl)
indices = [list(filter(lambda x: x > m, l)) for l, m in zip(sl, means)]

【讨论】：

这并没有提供问题的答案。要批评或要求作者澄清，请在他们的帖子下方留下评论。 - From Review
我的答案怎么不是问题的答案？
因为“你可以尝试”的答案更适合作为评论。答案需要有关您的答案将如何解决问题的信息，以及至少有关代码实际执行的一些信息。对于普通读者来说，他们可能根本不知道您的代码要做什么。

【解决方案3】：

对于规则形状的列表，即在内部嵌套级别每个列表的元素数量相同，我们可以使用 NumPy 工具来卸载计算部分，就像这样 -

a = np.array(sl)
m = a>a.mean(1,keepdims=True)
idx = np.r_[0,m.sum(1).cumsum()]
f = a[m].tolist()
out = [f[i:j] for (i,j)in zip(idx[:-1],idx[1:])]

这将有利于sl 中的大量条目，即对于较大的len(sl)。

【讨论】：

【解决方案4】：

你也可以这样做：

sl=[[1,2,100],[2,100,4],[100,4,5],[4,5,6],[5,6,200],[6,200,7],[200,7,8],[7,8,300],[8,300,9]]

sl = np.array(sl)

# List of elements satisfying the condition
elem_list = [sl[i][m].tolist() for i,m in enumerate((sl.T>sl.mean(axis=1)).T)]

# List of index for which the respective elements satisfy the condition
index_list = [np.where(m)[0].tolist() for m in (sl.T>sl.mean(axis=1)).T]

结果：

elem_list
[[100], [100], [100], [6], [200], [200], [200], [300], [300]]

index_list
[[2], [1], [0], [2], [2], [1], [0], [2], [1]]

【讨论】：