Python 查找列表中列表之间减法的最大绝对值

我有这样一份清单：

l = [[8,7,6], [9,9,9], [4,5,9], [1,5,1]]

我想找出两个连续列表中元素减法的最大值。 例如：

在[9,9,9]和[8,7,6]>1,2,3]>3的最大值之间

在[4,5,9]和[9,9,9]->5,4,0]->5的最大值之间

在[1,5,1]和[4,5,9]->最大值[3,0,8]->8之间

然后我想要一个带有[3,5,8]的列表 由于我认为代码必须与numpy的1.6.1版兼容，因此我采用以下方式：

new_l = []
for index, i in enumerate(l):
    if index < len(l)-1:
        t = []
        for jndex, j in enumerate(i):
            t.append(l[index +1][jndex] - l[index][jndex])

    new_l.append(max([abs(number) for number in t]))
new_l = new_l[:-1]

---

有更好的办法吗？提前感谢使用常规Python，您可以将列表理解与zip一起使用两次：

---

对于常规Python，您可以将列表理解与zip一起使用两次：

---

以下嵌套理解将起作用：

l = [[8,7,6], [9,9,9], [4,5,9], [1,5,1]]

[max(map(abs, (x-y for x, y in zip(a, b)))) for a, b in zip(l, l[1:])]
# [3, 5, 8]

---

zipl，l[1:]生成成对的相邻列表，然后再次压缩以检索成对差异。

以下嵌套理解将起作用：

l = [[8,7,6], [9,9,9], [4,5,9], [1,5,1]]

[max(map(abs, (x-y for x, y in zip(a, b)))) for a, b in zip(l, l[1:])]
# [3, 5, 8]

zipl，l[1:]生成相邻列表对，然后再次压缩以检索成对差异。

根据，这是标准的NumPy解决方案：

res = np.abs(np.diff(L, axis=0)).max(1)

对于大型阵列，通过numba，您可能会看到显著的性能改进。这两个版本都比非矢量化Python列表理解更有效

from numba import njit

L = np.array([[8,7,6], [9,9,9], [4,5,9], [1,5,1]] * 10**6)

@njit
def differ(A):
    res = np.zeros(A.shape[0]-1)
    for i in range(A.shape[0]-1):
        for j in range(A.shape[1]):
            res[i] = max(res[i], abs(A[i+1, j] - A[i, j]))
    return res

assert np.array_equal(np.abs(np.diff(L, axis=0)).max(1), differ(L))

%timeit np.abs(np.diff(L, axis=0)).max(1)  # 161 ms per loop
%timeit differ(L)                          # 53.7 ms per loop
%timeit [max(abs(i-j) for i, j in zip(*v)) for v in zip(L, L[1:])]  # 22.5 s per loop

根据，这是标准的NumPy解决方案：

res = np.abs(np.diff(L, axis=0)).max(1)

对于大型阵列，通过numba，您可能会看到显著的性能改进。这两个版本都比非矢量化Python列表理解更有效

from numba import njit

L = np.array([[8,7,6], [9,9,9], [4,5,9], [1,5,1]] * 10**6)

@njit
def differ(A):
    res = np.zeros(A.shape[0]-1)
    for i in range(A.shape[0]-1):
        for j in range(A.shape[1]):
            res[i] = max(res[i], abs(A[i+1, j] - A[i, j]))
    return res

assert np.array_equal(np.abs(np.diff(L, axis=0)).max(1), differ(L))

%timeit np.abs(np.diff(L, axis=0)).max(1)  # 161 ms per loop
%timeit differ(L)                          # 53.7 ms per loop
%timeit [max(abs(i-j) for i, j in zip(*v)) for v in zip(L, L[1:])]  # 22.5 s per loop

如果要使用NumPy:np.absnp.diffl，axis=0.max1。如果要使用NumPy:np.absnp.diffl，axis=0.max1。