Python 如何执行带中断的嵌套列表理解？

我有一个大的距离数据框，我想分类

df_norms = pd.DataFrame([[0, 100, 200, 4000000]], 
                        columns=['mode', 'min', 'medium', 'max'])

df_afst = pd.DataFrame([[0, 50, -1],
                        [0, 150, -1],
                        [0, 0, -1],
                        [0, 250, -1]], 
                       columns = ['train', 'station', 'bbh'])

---

Normals数据框表示，对于项0，每个距离都可以使用numpy对计算进行矢量化：

[np.min(np.argwhere(np.less(td, df_norms.values.ravel()))-1) for td in df_afst.station.values]

np.less将df_afst.station中的每个距离与df_范数中的所有值进行比较，并返回一个布尔矩阵，如果

td

小于df_范数中的相应值，则返回一个真值

例如，np.less（50[01002000000]）返回：array（[False，True，True，True]）

使用np.argwhere，我们从1开始提取输出数组中真值的索引，因此我们减去1使其从0开始。 从那里，得到数组中为真的最小索引，这是您要查找的值

---

您可以在列表理解中运行所有这些，结果将是：[0，1，0，2]

您可以使用numpy对计算进行矢量化：

[np.min(np.argwhere(np.less(td, df_norms.values.ravel()))-1) for td in df_afst.station.values]

np.less将df_afst.station中的每个距离与df_范数中的所有值进行比较，并返回一个布尔矩阵，如果

td

小于df_范数中的相应值，则返回一个真值

例如，np.less（50[01002000000]）返回：array（[False，True，True，True]）

使用np.argwhere，我们从1开始提取输出数组中真值的索引，因此我们减去1使其从0开始。 从那里，得到数组中为真的最小索引，这是您要查找的值

---

您可以在列表理解中运行所有这些，结果将是：[0，1，0，2]

您将从使用以下各项中受益匪浅：

假设您希望将值存储在

df_afst['station']

中（这在问题中并不完全清楚，但我是根据示例猜测），您可以执行以下操作：

cuts=df_norms.iloc[0].tolist（）
bbh=pd.cut（df_afst['station'，cuts，labels=False，include_lowest=True）

或者更直接地说：

bbh=pd.cut（df_afst['station'，[-1100,200，float（'inf'）]，labels=False）

结果：

>>bbh
0    0
1    1
2    0
3    2
名称：站点，数据类型：int64

当然，您可以将其指定给列

---

这将比Python循环（显式循环或理解循环）快几个数量级。

您将从使用：

假设您希望将值存储在

df_afst['station']

中（这在问题中并不完全清楚，但我是根据示例猜测），您可以执行以下操作：

cuts=df_norms.iloc[0].tolist（）
bbh=pd.cut（df_afst['station'，cuts，labels=False，include_lowest=True）

或者更直接地说：

bbh=pd.cut（df_afst['station'，[-1100,200，float（'inf'）]，labels=False）

结果：

>>bbh
0    0
1    1
2    0
3    2
名称：站点，数据类型：int64

当然，您可以将其指定给列

---

这将比Python循环（显式或作为理解）快几个数量级。

对于初学者，列表理解创建列表，而不是数据帧。它不仅仅是

for

循环的替代语法，列表理解也不是

for

循环的更好替代。它们在某些情况下很方便，但在这些情况之外使用它们通常会适得其反。@chepner，我的错，我一开始确实分配了数据帧，但可以理解，它崩溃了。Fopr必须调整这个例子，试着看一下数字。@Thierry Lathuille，我的经验是，在速度上，它们通常（并非总是如此）比for的更好。数量级是正常的。我只是想在这个例子中尝试一下。如果你看到数量级的差异，你的

for

循环要么效率非常低，要么做的事情与列表理解实际做的不同。对于初学者来说，列表理解创建的是列表，而不是数据帧。它不仅仅是

for

循环的替代语法，列表理解也不是

for

循环的更好替代。它们在某些情况下很方便，但在这些情况之外使用它们通常会适得其反。@chepner，我的错，我一开始确实分配了数据帧，但可以理解，它崩溃了。Fopr必须调整这个例子，试着看一下数字。@Thierry Lathuille，我的经验是，在速度上，它们通常（并非总是如此）比for的更好。数量级是正常的。我只是想在这个例子中尝试一下。如果你看到了数量级的差异，你的

for

循环要么效率非常低，要么做了一些与列表理解实际不同的事情。我当然受益于这个函数。加速速度令人难以置信。谢谢你提醒我。我当然从这个功能中受益。加速速度令人难以置信。谢谢你引起我的注意。

   train  station  bbh
0      0       50    0
1      0      150    1
2      0        0    0
3      0      250    2    

for i in [0]:
    bbh_id = i + 2
    mode = df_afst.iloc[0, i]
    r = [ix - 1 for iy, y in enumerate(df_afst[df_afst.columns[i+1]].values)
                     for ix, x in enumerate(df_norms.iloc[mode])
                         if x > y]

 # results in : [0, 1, 2, 1, 2, 0, 1, 2, 2]

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

print('\n*** pd.cut')
cpu = time.time()
cuts = df_norms.iloc[0].tolist()
bbh3 = pd.cut(df_afst['station'], cuts, labels=False, include_lowest=True)
df_afst['bbh'] = bbh3
print('CPU {:.4f} seconds'.format(time.time() - cpu))
    
print('\n*** Using numpy and its functions')
cpu = time.time()
bbh2 = [np.min(np.argwhere(np.less(td, df_norms.values.ravel()))-1) for td in df_afst.station.values]
df_afst['bbh'] = bbh2
print('CPU {:.4f} seconds'.format(time.time() - cpu))

print('\n*** Simple loop')                
cpu = time.time()
for i in [0]:
    bbh_id = i + 2
    mode = df_afst.iloc[0, i]
    for iy, y in enumerate(df_afst[df_afst.columns[i+1]].values):
        for ix, x in enumerate(df_norms.iloc[mode]):
            if x > y:
                df_afst.loc[iy, df_afst.columns[bbh_id]] = ix - 1
                break

print('CPU {:.4f} seconds'.format(time.time() - cpu))

print('\n*** Wrong approach')                
cpu = time.time()
for i in [0]:
    bbh_id = i + 2
    mode = df_afst.iloc[0, i]
    r = [ix - 1 for iy, y in enumerate(df_afst[df_afst.columns[i+1]].values)
                     for ix, x in enumerate(df_norms.iloc[mode])
                         if x > y]
print('CPU {:.4f} seconds'.format(time.time() - cpu))

*** pd.cut
CPU 0.0131 seconds

*** Using numpy and its functions
CPU 29.4257 seconds

*** Simple loop
CPU 214.5378 seconds

*** Wrong approach
CPU 103.5768 seconds

[np.min(np.argwhere(np.less(td, df_norms.values.ravel()))-1) for td in df_afst.station.values]