Python 用乘法列表替换数字列表

我有一个编号列表

arr

和一个窗口大小

n

。 我想高效地（可能使用numpy）计算一个新列表，其中列表中的每个新元素都是窗口中所有元素的乘积。

---

例如，如果

arr=[1,2,3,4,5]

和

n=3

我希望它返回

res=[6,24,60]

，对于

n=2

我希望

[2,6,12,20]

，我的解决方案就是熊猫

将熊猫作为pd导入
将numpy作为np导入
arr=pd.系列（[1,2,3,4,5]）
窗口大小=3
滚动=arr.滚动（窗口大小）
结果=滚动应用（np.prod）

结果数组的长度与原始数组相同，第一个元素设置为NaN。 您可以使用

result.dropna（inplace=True）

轻松删除它们。

---

我希望您可以使用熊猫，它们的滚动窗口功能非常好

我的解决方案涉及熊猫

将熊猫作为pd导入
将numpy作为np导入
arr=pd.系列（[1,2,3,4,5]）
窗口大小=3
滚动=arr.滚动（窗口大小）
结果=滚动应用（np.prod）

结果数组的长度与原始数组相同，第一个元素设置为NaN。 您可以使用

result.dropna（inplace=True）

轻松删除它们。

---

我希望您可以使用熊猫，它们的滚动窗口功能非常好

如果您想要一个非numpy解决方案，可以使用切片对循环执行此操作：

从操作员导入mul
从functools导入reduce
def切片器（lst，n）：
i=0
尽管如此：
_切片=lst[i:i+n]
如果不是len（_slice）==n：
打破
减产（多个，每片）
i+=1
>>>列表（切片器（arr，3））
[6, 24, 60]
>>>列表（切片器（arr，2））
[2, 6, 12, 20]

或者，使用

for

循环：

def切片器（lst，n）： 对于范围内的i（透镜（lst）-n+1）： _切片=lst[i:i+n] 减产（多个，每片） >>>列表（切片器（arr，3）） [6, 24, 60] >>>列表（切片器（arr，2）） [2, 6, 12, 20]

---

如果您想要一个非numpy解决方案，可以使用切片在循环中执行此操作：

从操作员导入mul
从functools导入reduce
def切片器（lst，n）：
i=0
尽管如此：
_切片=lst[i:i+n]
如果不是len（_slice）==n：
打破
减产（多个，每片）
i+=1
>>>列表（切片器（arr，3））
[6, 24, 60]
>>>列表（切片器（arr，2））
[2, 6, 12, 20]

或者，使用

for

循环：

def切片器（lst，n）： 对于范围内的i（透镜（lst）-n+1）： _切片=lst[i:i+n] 减产（多个，每片） >>>列表（切片器（arr，3）） [6, 24, 60] >>>列表（切片器（arr，2）） [2, 6, 12, 20] 使用SciPy并传入NumPy作为应用于每个切片的函数可以做到：

[86]中的

：将numpy作为np导入
…：从scipy.ndimage导入通用过滤器作为gf
[87]中：def减速器（arr，n）：
…：start=n//2
…：stop=len（arr）-（n-1）//2
…：结果=gf（arr，np.prod，n，mode='constant'，cval=0）
…：返回结果[开始：停止]
[88]中：arr=np.array（[1,2,3,4,5]）
In[89]：异径管（arr，2）
Out[89]：数组（[2,6,12,20]）
In[90]：异径管（arr，3）
Out[90]：数组（[6,24,60]）
In[91]：异径管（arr，4）
Out[91]：数组（[24120]）

使用SciPy并传入NumPy作为应用于每个切片的函数可以做到：

[86]中的

：将numpy作为np导入
…：从scipy.ndimage导入通用过滤器作为gf
[87]中：def减速器（arr，n）：
…：start=n//2
…：stop=len（arr）-（n-1）//2
…：结果=gf（arr，np.prod，n，mode='constant'，cval=0）
…：返回结果[开始：停止]
[88]中：arr=np.array（[1,2,3,4,5]）
In[89]：异径管（arr，2）
Out[89]：数组（[2,6,12,20]）
In[90]：异径管（arr，3）
Out[90]：数组（[6,24,60]）
In[91]：异径管（arr，4）
Out[91]：数组（[24120]）

有意思，像是一种减窗器？是的，像那样有趣，像是一种减窗器？是的，像那样我希望它尽可能简单易懂，速度尽可能快。如果可能的话，我想可以用numpy oneliner完成solution@GalSuchetzky在许多行上添加一个要求并不总是可取的。Enrico的pandas解决方案可以用一行来表达，但如果将其分解，则会读得更好。我希望它尽可能简单易懂，并且尽可能快。如果可能的话，我想可以用numpy oneliner完成solution@GalSuchetzky在许多行上添加一个要求并不总是可取的。Enrico的pandas解决方案可以用一行来表示，但如果将其分解，则读起来会更好一些