Python 为什么这个嵌套的for循环在第二个循环上迭代两次，之后就完全没有了？

我试图通过下面定义的函数来处理一些数据。它似乎在程序中运行得很好，但循环并没有达到我预期的迭代次数

我把return语句放在哪里似乎无关紧要，只要它在函数内部而不是if语句下面

我尝试在每个for循环下独立地写行，它在每种情况下都会写预期的行数

def_曼哈顿立场（x，y）：
a=0
对于范围（0，len（x））中的i：
a+=abs（浮动（x[i]）-浮动（y[i]））
归还
定义（x，y，z）：
开放式（x，'r'）作为f：
开放式（y，'r'）为g：
打开（z，'wb'）作为h：
读取器_1=csv.reader（f）
读取器_2=csv.reader（g）
writer=csv.writer（h）
对于读取器_2中的第_b行：
对于读取器_1中的行_a：
如果曼哈顿立场（a行、b行）>0：
writer.writerow（a行）
writer.writerow（第b行）
返回

---

作为参考，给定我的输入，读卡器_1应该有200行，读卡器_2应该有17145行。如果我们的包含阈值为零，我希望输出文件中有17145*200=3429000行—我得到的是一个400行的输出。

reader

是一个有状态迭代器。一旦您耗尽它，它就完成了，您需要重新打开它以便再次迭代该文件：

def _CabFare(x,y,z):
    with open(x, 'r') as f:
        with open(y, 'r') as g:
            with open(z, 'wb') as h:
                reader_2 = csv.reader(g)
                writer = csv.writer(h)
                for row_b in reader_2:
                    reader_1 = csv.reader(f) # Reopen reader_1 for each iteration
                    for row_a in reader_1:
                        if _ManhattanDistance(row_a,row_b) > 0:
                            writer.writerow(row_a)
                            writer.writerow(row_b)

---

reader

是一个有状态迭代器。一旦您耗尽它，它就完成了，您需要重新打开它以便再次迭代该文件：

def _CabFare(x,y,z):
    with open(x, 'r') as f:
        with open(y, 'r') as g:
            with open(z, 'wb') as h:
                reader_2 = csv.reader(g)
                writer = csv.writer(h)
                for row_b in reader_2:
                    reader_1 = csv.reader(f) # Reopen reader_1 for each iteration
                    for row_a in reader_1:
                        if _ManhattanDistance(row_a,row_b) > 0:
                            writer.writerow(row_a)
                            writer.writerow(row_b)

这似乎有效：

来自itertools导入产品的

定义（x，y，z）：
开放式（x，'r'）表示f，开放式（y，'r'）表示g，开放式（z，'wb'）表示h：
writer=csv.writer（h）
对于产品（csv.reader（f）、csv.reader（g））中的a行、b行：
如果曼哈顿立场（a行、b行）>0：
writer.writerow（a行）
writer.writerow（第b行）

速度较慢，但内存占用较少：

def_CabFare（x，y，z）：
开放式（x，'r'）为f，开放式（z，'wb'）为h：
writer=csv.writer（h）
对于csv.reader（f）中的a行：
开放式（y，'r'）为g：
对于csv.reader（g）中的b行：
如果曼哈顿立场（a行、b行）>0：
writer.writerow（a行）
writer.writerow（第b行）

这似乎有效：

来自itertools导入产品的

定义（x，y，z）：
开放式（x，'r'）表示f，开放式（y，'r'）表示g，开放式（z，'wb'）表示h：
writer=csv.writer（h）
对于产品（csv.reader（f）、csv.reader（g））中的a行、b行：
如果曼哈顿立场（a行、b行）>0：
writer.writerow（a行）
writer.writerow（第b行）

速度较慢，但内存占用较少：

def_CabFare（x，y，z）：
开放式（x，'r'）为f，开放式（z，'wb'）为h：
writer=csv.writer（h）
对于csv.reader（f）中的a行：
开放式（y，'r'）为g：
对于csv.reader（g）中的b行：
如果曼哈顿立场（a行、b行）>0：
writer.writerow（a行）
writer.writerow（第b行）

我认为，我们需要查看一些示例数据来了解发生了什么。FWIW，我认为这里根本不需要

return

语句。数据集的元素是相当长的向量，我有一种感觉，包括其中一些可能会比不包括它们更令人困惑。关于第二个return语句，您是对的-它现在被丢弃了。谢谢我想，我们需要看一些样本数据来了解发生了什么。FWIW，我认为这里根本不需要

return

语句。数据集的元素是相当长的向量，我有一种感觉，包括其中一些可能会比不包括它们更令人困惑。关于第二个return语句，您是对的-它现在被丢弃了。谢谢@DirtyBit肯定可以，但这对OP的问题无关紧要，所以我不想碰它。我尝试实现了这段代码，但我仍然只得到了400行回音。@DirtyBit肯定可以，但这对OP的问题无关紧要，所以我不想碰它。我尝试实现了这段代码，我现在只回了400行。不过这可能会让我记忆犹新。你介意解释一下为什么这两个版本之间有差异吗？据我所知，带容器的

和
csv.reader
行生成器一次只加载一行，因此这两个版本对我来说都相当等效和高效。第一个版本使用
itertools.product（）
并且只读取两个输入文件一次-至少在内存中保存其中一个。第二行重新读取第一行中每行的第二个CSV。大量的重复读取正在进行，但它一次只能在内存中保存2行，所以内存使用率很低。谢谢。这段代码似乎有点接近——输出中的行数是我预期的两倍。我会试图找出原因，但这似乎已经足够接近我要找的了。谢谢！我们正在为两个输入文件中的每一行组合编写两行-可能是这样吗？可能会占用一些内存。您介意解释一下为什么这两个版本之间存在差异吗？据我所知，带

容器的

和
csv.reader
行生成器一次只加载一行，因此这两个版本对我来说都相当等效和高效。第一个版本使用
itertools.product（）
并且只读取两个输入文件一次-至少在内存中保存其中一个。第二行重新读取第一行中每行的第二个CSV。大量重复读取正在进行，但它一次只能在内存中保存2行，因此内存较低