Python中的Python嵌套for循环

我正在编写这段代码，其中嵌套了for循环

a_列表

和

b_列表

是元组列表，其中每个元组由两个张量组成

[（tens1，tens2），…]

。我试图计算

a_列表中的每个
tens1
与
b_列表中的每个
tens1
的相似性。下面是我的代码。嵌套循环似乎是一个瓶颈。有没有更好的方法（pythonic）可以重新编写循环

a2b= defaultdict(dict)
b2a= defaultdict(dict)
ab_sim = []

for a, vec_a in a_list:
    for b, vec_b in b_list:
        # Ignore combination if the first element in both a and b are same
        if a[0] == b[0]:
            continue
        # Calculate cosine similarity of combination
        sim = self.calculate_similarity(vec_a, vec_b )
        a2b[a][b] = sim
        b2a[b][a] = sim
        ab_sim.append(sim)

calculate\u similarity
只是一种计算余弦相似度的方法<代码>a_列表
和
b_列表
可以是任意大小。我有
b2a
和
a2b
，因为我需要它们进行其他计算。
你可以使用字典理解：

a2b = {a: {b: self.calculate_similarity(vec_a, vec_b )
       for (b, vec_b) in b_list if a[0] != b[0]} for (a, vec_a) in a_list}

您还可以使用：

请注意，您将得到一个具有元组索引的字典，而不是两个冗余字典

编辑：要取回这两本词典，您可以使用dict CONTRUSION：

a2b = {a: {_b:v for (_a,_b), v in result.items() if _a==a} for (a,b) in result.keys()}
b2a = {b: {_a:v for (_a,_b), v in result.items() if _b==b} for (a,b) in result.keys()}

要获得相似性值列表，可以使用
ab_sim=list（result.values（））
我认为存储此信息最自然的方式是在矩阵中

从随机导入随机
将numpy作为np导入
n=3
a=[（n*np.random.rand（n）//1，n*np.random.rand（n）//1）表示范围（3）内的uu]
b=[（n*np.random.rand（n）//1，n*np.random.rand（n）//1）表示范围（3）内的uu]
相似性=λx，y:np.dot（x，y）/（np.linalg.norm（x）*np.linalg.norm（y））
sim_matrix=[[相似性（x，y）如果x[0]！=y[0]否则np.inf表示y，b]表示x，a]
打印（*sim_矩阵，sep=“\n”）

完整的代码。
如果你真的需要所有余弦相似性的完整n×m矩阵，我认为没有任何方法可以计算所有余弦相似性。如果你可以编辑你的问题来解释为什么你需要这些余弦相似性，也许我们可以避免一个。你知道你实际上是在比较第二张量吗？第一个存储在
a
中，第二个存储在
vec\u a
中，与
b
和
vec\u b
相同。您正在比较
vec_a
和
vec_b
。如果您希望
a
和
b
作为索引，则需要使用
枚举
。作为一个小优化，如果您将它们存储在一个具有排序元组键的dict中，则不必同时使用
a2b
和
b2a
。@再见，我们不知道
a_列表
/
b_列表
的形状，它们可能已经是索引了，所以我试图计算两种语言之间句子表示的余弦相似性。我有
a_list
和
b_list
是一个元组列表，其中每个元组都包含（句子，嵌入表示）。这仍然使用两个嵌套循环，但我认为我们无法进一步优化。@JesujobaALABI确实以前的dict理解是错误的，你现在可以检查一下吗？这次应该是正确的Nice@Itamar！我的字典不是多余的。我将它们用于我决定不包括在这里的其他计算，它们是多余的，因为它们包含相同的信息。您可以使用另一种数据结构-我建议您探索，例如，具有多索引的pandas数据帧/系列：。然而，我编辑了我的问题，以显示如果您喜欢该结构，如何从联合字典中获取这两个字典。我需要获取
sim
（相似性）添加到列表中，例如
ab_sim.append（sim）
。我需要一个单独的循环吗？不需要，这个列表只是
ab_sim=list（result.values（））
，但是我添加了重要的代码，因为另一个代码只是为了模拟他在问题中已有的数据，我仍然会更新，谢谢；我没有直接删除答案，因为你的答案中显然有重要的一行。遗憾的是，你提供了更广泛的背景作为一个图像。生成的输出也只是文本，顺便说一下，输出的图像不会添加任何有用的信息。
a2b = {a: {_b:v for (_a,_b), v in result.items() if _a==a} for (a,b) in result.keys()}
b2a = {b: {_a:v for (_a,_b), v in result.items() if _b==b} for (a,b) in result.keys()}