将三个for循环写入一行（python）

我有以下程序

import numpy as np

X = np.asarray([ [2,3,4,5,1,1,1],
  [1,2,3,4,1,1,1],
  [3,3,3,3,1,1,1]])

Nrows=X.shape[0]
Ncols1=X.shape[1]

cols=np.asarray( [[1,3]])
Ncols2=cols.shape[1]

Y = np.ndarray(shape=(Nrows,Ncols2))

for i in range(Nrows):
    for j in range(Ncols2):
        sum=0
        for k in range(Ncols1):
            sum=sum+np.exp(-(X[i,k]-X[i,cols[0,j])**2)
        Y[i,j]=sum

我想把这三个回路缩成一行。这里的动机部分是为了加速，部分是为了练习python技能

所以我可以把它写成两个循环：

for i in range(Nrows):
    for j in range(Ncols1):
        Y[i,j]=np.sum(np.exp(-(X[i,]-X[i,cols[0,j]])**2))

for i in range(Nrows):
   Y[i,]=map(lambda j: np.sum(np.exp(-(X[i,]-X[i,cols[0,j]])**2)),range(Ncols2))

我可以把它写成一个循环：

for i in range(Nrows):
    for j in range(Ncols1):
        Y[i,j]=np.sum(np.exp(-(X[i,]-X[i,cols[0,j]])**2))

for i in range(Nrows):
   Y[i,]=map(lambda j: np.sum(np.exp(-(X[i,]-X[i,cols[0,j]])**2)),range(Ncols2))

但我不知道如何把它变成一行。我的本能是尝试

Y[:,]=map(lambda j: np.sum(np.exp(-(X[:,]-X[:,cols[0,j]])**2)),range(Ncols2))

但由于“ValueError:操作数无法与形状（3,7）（3，）一起广播”而失败

任何帮助都将不胜感激

-尼克

这就使用了它，几乎只是你的for循环在一条线上

[np.sum(np.exp(-(X[i,]-X[i, cols[0,j]])**2)) for i in range(Nrows) for j in range(Ncols2)]

这与此有点一致：

Y=[]
for i in range(Nrows):
  for j in range(Ncols2):
    Y.append(#your big formula that uses i and j as arguments)

由于它是一个列表，您必须从中创建一个数组并根据自己的喜好对其进行重塑，因此在列表comp之前是

np.asarray

，之后是

.restrape

从来没有玩过numpy太多…我喜欢它

这就使用了它，几乎只是你的for循环在一条线上

[np.sum(np.exp(-(X[i,]-X[i, cols[0,j]])**2)) for i in range(Nrows) for j in range(Ncols2)]

这与此有点一致：

Y=[]
for i in range(Nrows):
  for j in range(Ncols2):
    Y.append(#your big formula that uses i and j as arguments)

由于它是一个列表，您必须从中创建一个数组并根据自己的喜好对其进行重塑，因此在列表comp之前是

np.asarray

，之后是

.restrape

---

从来没有玩过numpy太多…我喜欢它

我不确定把for循环压缩成一行是否更有效。但我相信你最终会陷入一个非常复杂的混乱。我同意@leaf所说的不要写你无法理解的代码。这种微优化不会有多大帮助。不好的做法一般来说，更少的代码并不一定意味着更快的代码。信不信由你，在某些情况下，情况正好相反。如果你想练习python技能，请使用“扁平比嵌套好。稀疏比密集好”。我不确定是否将for循环压缩成一行会更有效。但我相信你最终会陷入一个非常复杂的混乱。我同意@leaf所说的不要写你无法理解的代码。这种微优化不会有多大帮助。不好的做法一般来说，更少的代码并不一定意味着更快的代码。信不信由你，在某些情况下，情况正好相反。如果你想练习你的python技能，请使用“扁平比嵌套好。稀疏比密集好”。谢谢你的编辑！下次我会更专业谢谢你的编辑！下次我会更专业一些