将压缩迭代器分离成单个迭代器？答案

【问题标题】：Separating out zipped iterator into single iterator?将压缩迭代器分离成单个迭代器？
【发布时间】：2014-09-05 12:11:43
【问题描述】：

我的代码有两个二维 numpy 数组，z 和 weights。我正在像这样迭代它们（同时转置它们）：

import statsmodels.api as sm
import numpy as np

for y1, w in zip(z.T, weights.T): # building the parameters per j class
    temp_g = sm.WLS(y1, iself.X, w).fit()

这很好，直到我开始使用 Numba 来加速我的代码。使用 Numba，我收到此错误：

numba.error.NumbaError: (see below)
--------------------- Numba Encountered Errors or Warnings ---------------------
        for y1, w in zip(z.T, weights.T): # building the parameters per j class
------------^
Error 82:12: Only a single target iteration variable is supported at the moment
--------------------------------------------------------------------------------

要解决这个问题，我想我可以这样做：

for y1 in z.T:
   for w in weights.T:
       temp_g = sm.WLS(y1, iself.X, w).fit()

但我还不太擅长 python，所以我只想知道这是否是最好的方法？或者是否有另一种更优化的方式？

【问题讨论】：

标签： python for-loop numpy iterator numba

【解决方案1】：

Numba 似乎不支持赋值解包。分配给 one 目标，然后处理元组中的两个索引：

for y1_w in zip(z.T, weights.T):
    temp_g = sm.WLS(y1_w[0], iself.X, y1_w[1]).fit()

这里的y1_w 是一个包含z.T 和weights.T 配对元素的元组，因此是两个元素的元组。您可以使用索引来处理每个元素。

您可以可能在循环体中的for 语句之外使用赋值解包：

for y1_w in zip(z.T, weights.T):
    y1, w = y1_w  # unpack the zip pair 'manually'
    temp_g = sm.WLS(y1, iself.X, w).fit()

【讨论】：