Python按特定顺序在列表中添加整数

我试图创建一个代码块，在其中我可以将两个包含整数的列表添加到一起。也就是说，如果列表a=[1,2,3]和列表b=[4,5,6]，那么我想分配一个添加

（a[0]+b[0]，a[1]+b[1]，a[2]+b[2]）

，这样

c=[5,7,9]

这是我的尝试，但c仍然是一个空列表：

a = [1, 2, 3]
b = [4, 5, 6]
c = []
for i in a:
    for j in b:
        if i == j:
            d = a[i]+b[j]
            e = c.append(d)

我应该更改什么？

zip（）

将实现以下功能：

a = [1, 2, 3]
b = [4, 5, 6]
c = []

for x, y in zip(a, b):
   c.append(x + y)

[5,7,9]

迭代在列表的元素上工作 如果在中为i编写

，则迭代列表中的元素。因此
j
将取
4
、
5
和
6
的值。这些值永远不会与
i
的值匹配

无论如何，为什么上述方法效率低下
我们可以通过使用
范围来更改它，我们可以为范围内的i（len（a））
编写
，但这将是低效的：我们将迭代
a
的一个元素和
b
的一个元素的所有可能组合。这将产生一个O（mn）算法，m是
a
中的元素数，n是
b
中的元素数

zip（…）
函数
要同时遍历iterables，我们可以使用
zip（..）
zip
将一个或多个iterables作为输入。然后它将构造元组。因此，如果我们执行
zip（a，b）
，我们将生成一个iterable，它将生成
（a[0]，b[0]）
，然后是
（a[1]，b[1]）
，然后是
（a[2]，b[2]）
，依此类推

命令式方法
现在我们可以将其改写为：

c = []
for ai, bi in zip(a, b):
    c.append(ai + bi)

列表理解
这可以通过列表理解重写为：

多功能编程方法
我们还可以使用
操作符
模块和
操作符。添加
和
映射
以更有效的方式编写：

from operator import add

c = list(map(add, a, b))

然而，由于一切都是动态的，因此需要注意的是，Haskell中的对象是可变的，从这个意义上讲，它是不起作用的，因此我们不能保证不会有副作用。
这里是另一种使用zip的替代方法，内置求和函数和列表理解

a = [1, 2, 3]
b = [4, 5, 6]
c = [ sum(x) for x in zip(a,b) ]
print c

结果是[5,7,9]
另一种选择

import numpy as np

a = [1, 2, 3]
b = [4, 5, 6]

np.sum((a, b), axis=0)  # array([5, 7, 9])

因为OP正在学习python，所以这并不是特别有用。但我在这里加入它是为了说明有多少种方法可以实现相同的目标

是的，因为
中i的
将迭代元素，而不是索引。要明确的是，列表理解方法也是一种函数式编程方法，可以说是一种更符合Python一般风格的方法。
是的，尽管后者更具功能性，因为我们只使用已经定义的函数。此外，没有副作用（然而，从技术上讲，列表理解可能会有副作用，因为您可以覆盖相同的变量）。列表理解更多的是Python，最后一个是Haskell，非常感谢！在“为什么上面的内容效率低下”一节的末尾，你把我弄丢了。在任何情况下，作为一个初学者程序员，我只想让事情顺利进行，希望以后能学到有效的方法。我还没有达到理解“函数式编程方法”部分的水平，但也许将来我会。再次感谢。我将把这一页加入书签并研究它@WillemVanonSem这个列表理解也是从Haskell那里借来的。
map
功能同样能够触发副作用（并且使用它来触发副作用也是同样错误的），例如
c=[]
，
list（map（c.append，map（add，a，b））
可以在已经定义好的功能下工作，而且很糟糕，它没有多少功能。@ShadowRanger:不完全，因为Haskell中的列表理解实际上是列表单子的语法糖，它可以做更复杂的事情。例如，在Python中，没有可以应用于其上的函子或应用程序。当然，
list（map（…）
也会有副作用，因为Python中的一切都是动态的。我的意思是你可以介绍我所说的“句法副作用”。例如，我们可以编写
a=[3,4]；在Python-2.x中[x代表uu-in[1，2]代表x代表a代表a[（1，2）]
（这就是为什么在Python-2.x中列出理解“泄漏”的原因）。
import numpy as np

a = [1, 2, 3]
b = [4, 5, 6]

np.sum((a, b), axis=0)  # array([5, 7, 9])