Python 如何获取列表中所有元素的日志

我有一个数组

x = [1500, 1049.8, 34, 351, etc]

如何获取整个阵列的log_10（）

from math import log
[log(y,10) for y in x]

import numpy
numpy.log10(mat)

注意

mat

不必是numpy数组，而且

numpy

应该比其他答案所建议的使用列表理解更快

import math
x = [1500, 1049.8, 34, 351]
y = [math.log10(num) for num in x]

---

这被称为一个。它所做的是创建一个新列表，其元素是应用于原始

列表中相应元素的结果，顺便说一句，该列表不是一个。最简单的方法是使用


示例：

>>> x = [1500, 1049.8, 34, 351]
>>> import math
>>> [math.log10(i) for i in x]
[3.1760912590556813, 3.021106568432122, 1.5314789170422551, 2.545307116465824]
>>> 

>>> map(math.log10, x)
[3.1760912590556813, 3.021106568432122, 1.5314789170422551, 2.545307116465824]
>>> 

另一种方法是使用函数


示例：

>>> x = [1500, 1049.8, 34, 351]
>>> import math
>>> [math.log10(i) for i in x]
[3.1760912590556813, 3.021106568432122, 1.5314789170422551, 2.545307116465824]
>>> 

>>> map(math.log10, x)
[3.1760912590556813, 3.021106568432122, 1.5314789170422551, 2.545307116465824]
>>> 

您还可以使用
map
内置功能：

import math
new_list = map(math.log10, old_list)

这可能比列表理解速度要快得多。我在这里添加它主要是为了显示两者之间的相似性

编辑（回应@HankGay的评论）

为了证明map在这种情况下稍微快一点，我编写了一个小的基准测试：

import timeit

for i in range(10):
    t=timeit.timeit("map(math.log10,a)",setup="import math; a=range(1,100)")
    print "map",t
    t=timeit.timeit("[math.log10(x) for x in a]",setup="import math; a=range(1,100)")
    print "list-comp",t

以下是我的笔记本电脑（OS-X 10.5.8，CPython 2.6）上的结果：

但重要的是要认识到速度不是一切。“可读性很重要”。如果
map
创建了更难阅读的内容，一定要进行列表理解。
或使用
log10
；）
这通常比log（x，10）更精确。
这可以回答海报上的问题，而且效率很高，但我试着取二维数组的对数。为此，我改用了
numpy.log10
。如果
map
比列表comp快，至少在CPython上，我会感到非常震惊。列表comps的CPython实现在wazoo中进行了优化。如果我有一些停机时间，我可能会去建立一个微基准，正如我们都知道的，它非常有用：-）@HankGay——看看我的更新。对于这个简单的测试用例，
map
比同等的列表comp快近50%。@mgilson。我在我的工作机器上，所以它是Snow Leopard w/
Python2.6.1（r261:67515，Jun 24 2010，21:47:49）
，我的数字基本上显示列表比较快，但差异太小了，我怀疑它在统计上是否显著：产生了
lc:1.03603506088，映射：1.04137277603
，
lc:1.16478681564，map:1.21709990501
，和
lc:0.909293889999，map:1.15685892105
@HankGay——我重新进行了我的测试，给了列表comp一点“优势”（
来自math import log10
）和
[log10（x）代表a中的x]
，map仍然获胜，但差距要小得多（map~23s，list~u comp~25s）。我想知道我们的时间安排是否与64位对32位有关（我偶尔也看到过这种情况）。我也可以在UbuntuLinux上试用我的基准测试——我会试一试，然后再给你回复……也许这个链接（）可以作为这个主题的最终参考……我毫不怀疑NumPy会做到这一点，而且会很快做到，但是请记住，为一些简单的脚本安装NumPy有点过分。谁说是为了一些简单的脚本？@mutzmatron没有人，我想，但这个问题有一种初学者的感觉，当我刚开始的时候，我用小问题，小问题来减少我在任何时候都可能搞砸的事情的数量。我只是想指出这一点。FTR，我比你高，因为你给出了一个很好的答案，这和我们20个人的答案不一样，他们都加入了一个列表comp作为我们的答案。@HankGay-hehehe是的，我注意到列表comp的答案是如何涌入的。为升级投票干杯，我确实同意，从某种意义上讲，python的方法是使用list comp，我经常使用它们。使用
numpy.log10
对我的二维数组有效，而
math.log10
则不行。