Python 如何对2D列表中的列求和?
假设我有一个Python 2D列表,如下所示:Python 如何对2D列表中的列求和?,python,Python,假设我有一个Python 2D列表,如下所示: my_list = [ [1,2,3,4], [2,4,5,6] ] 我可以通过列表获得行总数: row_totals = [ sum(x) for x in my_list ] 我可以在不使用双for循环的情况下获取列总数吗?即,要获取此列表: [3,6,8,10] 使用 或itertools同等产品 >>> from itertools import imap, izip >>&g
my_list = [ [1,2,3,4],
[2,4,5,6] ]
我可以通过列表获得行总数:
row_totals = [ sum(x) for x in my_list ]
我可以在不使用双for
循环的情况下获取列总数吗?即,要获取此列表:
[3,6,8,10]
使用
或itertools同等产品
>>> from itertools import imap, izip
>>> imap(sum,izip(*my_list))
<itertools.imap object at 0x00D20370>
>>> list(_)
[3, 6, 8, 10]
>>来自itertools导入imap、izip
>>>imap(总和,izip(*我的清单))
>>>名单
[3, 6, 8, 10]
解决方案map(sum,zip(*my_list))
是最快的。
但是,如果您需要保留列表,[x+y代表x,y在zip中(*my_list)]
是最快的
测试是在Python3.1.2 64位中进行的
>>> import timeit
>>> my_list = [[1, 2, 3, 4], [2, 4, 5, 6]]
>>> t1 = lambda: [sum(x) for x in zip(*my_list)]
>>> timeit.timeit(t1)
2.5090877081503606
>>> t2 = lambda: map(sum,zip(*my_list))
>>> timeit.timeit(t2)
0.9024796603792709
>>> t3 = lambda: list(map(sum,zip(*my_list)))
>>> timeit.timeit(t3)
3.4918002495520284
>>> t4 = lambda: [x + y for x, y in zip(*my_list)]
>>> timeit.timeit(t4)
1.7795929868792655
使用NumPy和转置
Out[*]:[3,6,8,10]
或者更简单一点:
我喜欢这个,因为它没有假定两行。很高兴知道。谢谢你做了速度测试。我们当中有一个巫师
>>> map(sum,zip(*my_list))
[3, 6, 8, 10]
>>> from itertools import imap, izip
>>> imap(sum,izip(*my_list))
<itertools.imap object at 0x00D20370>
>>> list(_)
[3, 6, 8, 10]
>>> import timeit
>>> my_list = [[1, 2, 3, 4], [2, 4, 5, 6]]
>>> t1 = lambda: [sum(x) for x in zip(*my_list)]
>>> timeit.timeit(t1)
2.5090877081503606
>>> t2 = lambda: map(sum,zip(*my_list))
>>> timeit.timeit(t2)
0.9024796603792709
>>> t3 = lambda: list(map(sum,zip(*my_list)))
>>> timeit.timeit(t3)
3.4918002495520284
>>> t4 = lambda: [x + y for x, y in zip(*my_list)]
>>> timeit.timeit(t4)
1.7795929868792655
import numpy as np
my_list = np.array([[1,2,3,4],[2,4,5,6]])
[ sum(x) for x in my_list.transpose() ]
my_list.sum(axis = 0)