在python中编写嵌套for循环的简洁方法

（更新）我需要找到一个有450万个状态的马尔可夫链的平稳分布。这意味着我需要解一个包含450万个方程的线性系统。每个状态是一个大小为6的向量。我试图将每个状态存储在一个列表中。以下是我创建所有可受理国家努力的一部分

我试图通过一大组数字循环，并创建一组向量。以下是我的代码的简化版本：

mylist=[]
for i in range(1,4):
    for j in range(1,4-i):
        for k in range(0,5-i-j):
            Temp=[i,j,k]
            mylist.extend(Temp)
            print(mylist)
            mylist=[]
            Temp=[]

这将给我：

[1, 1, 0]
[1, 1, 1]
[1, 1, 2]
[1, 2, 0]
[1, 2, 1]
[2, 1, 0]
[2, 1, 1]

我的问题是：在Python中有没有一种更整洁、更好、更高效的方法

---

谢谢

如果您正在寻找一行代码来创建相同的向量，您可以在python中使用

范例-

myList = [[i,j,k] for i in range(1,4) for j in range(1,4-i) for k in range(0,5-i-j)]
myList
>> [[1, 1, 0], [1, 1, 1], [1, 1, 2], [1, 2, 0], [1, 2, 1], [2, 1, 0], [2, 1, 1]]

虽然我不认为这是在任何整洁或更有效的

虽然在使用

timeit

进行了一些测试之后，我们可以看到列表理解可能会快一点-

In [1]: def foo1():
   ...:     l = []
   ...:     for i in range(100):
   ...:                 for j in range(100):
   ...:                         l.append([i,j])
   ...:     return l

In [3]: def foo2():
   ...:     return [[i,j] for i in range(100) for j in range(100)]
   ...: 

In [4]: %timeit foo1()
100 loops, best of 3: 3.08 ms per loop

In [5]: %timeit foo2()
100 loops, best of 3: 2.16 ms per loop

In [6]: %timeit foo2()
100 loops, best of 3: 2.18 ms per loop

In [7]: %timeit foo1()
100 loops, best of 3: 3.11 ms per loop

---

如果您正在寻找一行代码来创建相同的向量，那么可以在python中使用

范例-

myList = [[i,j,k] for i in range(1,4) for j in range(1,4-i) for k in range(0,5-i-j)]
myList
>> [[1, 1, 0], [1, 1, 1], [1, 1, 2], [1, 2, 0], [1, 2, 1], [2, 1, 0], [2, 1, 1]]

虽然我不认为这是在任何整洁或更有效的

虽然在使用

timeit

进行了一些测试之后，我们可以看到列表理解可能会快一点-

In [1]: def foo1():
   ...:     l = []
   ...:     for i in range(100):
   ...:                 for j in range(100):
   ...:                         l.append([i,j])
   ...:     return l

In [3]: def foo2():
   ...:     return [[i,j] for i in range(100) for j in range(100)]
   ...: 

In [4]: %timeit foo1()
100 loops, best of 3: 3.08 ms per loop

In [5]: %timeit foo2()
100 loops, best of 3: 2.16 ms per loop

In [6]: %timeit foo2()
100 loops, best of 3: 2.18 ms per loop

In [7]: %timeit foo1()
100 loops, best of 3: 3.11 ms per loop

---

我完全不明白你想用你的列表归档什么。 您可以通过以下方式获得相同的输出：

for i in range(1,4):
    for j in range(1,4-i):
        for k in range(0,5-i-j):
            print([i,j,k])

---

我完全不明白你想用你的列表归档什么。 您可以通过以下方式获得相同的输出：

for i in range(1,4):
    for j in range(1,4-i):
        for k in range(0,5-i-j):
            print([i,j,k])

---

我投票结束这个问题，因为它属于@CoreyOgburn，如果它是来自真实项目的实际代码的话。就目前而言，它是一个假设/示例代码，这在代码评审中显然是离题的。此外，更好地适应CR并不是一个紧密的原因；若要帮助迁移问题，您需要自定义标志以引起版主的注意。请执行一次，然后将其序列化，以便下次需要时可以直接在中阅读。@wwii:谢谢；你能解释一下什么是序列化吗？我正在处理大量的数据，我完全可以使用任何提示来节省时间（特别是内存）。您可能需要进一步阐述您的问题，并描述您试图达到的效率类型。我把它理解为时间，所以我的建议是保持代码的原样，创建一次数据（喝杯茶的时候），然后将其写入光盘，以便在需要时重新读取（）。它可以很容易地写成一个文本文件或文件。你还应该在问题中定义大量的数据。我投票将这个问题作为离题题来结束，因为它属于@CoreyOgburn，如果它是来自真实项目的实际代码的话。就目前而言，它是一个假设/示例代码，这在代码评审中显然是离题的。此外，更好地适应CR并不是一个紧密的原因；若要帮助迁移问题，您需要自定义标志以引起版主的注意。请执行一次，然后将其序列化，以便下次需要时可以直接在中阅读。@wwii:谢谢；你能解释一下什么是序列化吗？我正在处理大量的数据，我完全可以使用任何提示来节省时间（特别是内存）。您可能需要进一步阐述您的问题，并描述您试图达到的效率类型。我把它理解为时间，所以我的建议是保持代码的原样，创建一次数据（喝杯茶的时候），然后将其写入光盘，以便在需要时重新读取（）。它可以很容易地写成一个文本文件或文件。您还应该在问题中定义大量数据。