哪个Python模块适合于列表中的数据操作？

我有一系列的x，y和z坐标，我需要对它们进行操作。它们位于三个元组的一个列表中，如{（x1，y1，z1），（x2，y2，z2），…}

我需要加法、乘法和对数来处理数据

---

我想学习一个模块，它和Awk语言一样强大。

我不确定你到底想要什么。你可以通过列表理解做很多事情。例如，如果要打开列表：

coords = [(x1, y1, z1), (x2, y2, z2), (x3, y3, z3)]  # etc

进入元组

（x1+x2+x3，y1+y2+y3，z1+z2+z3）

，然后可以执行以下操作：

sums = (sum(a[0] for a in coords), sum(a[1] for a in coords), sum(a[2] for a in coords))

def prod(lst):
    return [x*y*z for x, y, z in list(zip(*lst))]

coords = [(2, 4, 8), (3, 6, 5), (7, 5, 2)]
print(prod(coords))
>>> [42, 120, 80]

事实上，有经验的python程序员可能会这样写：

sums = map(sum, zip(*coords))

虽然这对初学者来说有点像魔术

如果要跨坐标相乘，则想法类似。唯一的问题是python没有与

sum

等价的内置乘法。我们可以建立自己的：

import operator
def prod(lst):
    return reduce(operator.mul, lst)

然后，可以按坐标方向将元组相乘，如下所示：

prods = map(prod, zip(*coords))

如果你想做一些更复杂的乘法（内积？），这将需要更多的工作（虽然这不会很困难）

我不确定你想取的对数是多少。但您可以在数学模块中找到log函数：

from math import log

---

希望这有帮助。

在Python3中，

reduce

函数消失了。你可以做：

sums = (sum(a[0] for a in coords), sum(a[1] for a in coords), sum(a[2] for a in coords))

def prod(lst):
    return [x*y*z for x, y, z in list(zip(*lst))]

coords = [(2, 4, 8), (3, 6, 5), (7, 5, 2)]
print(prod(coords))
>>> [42, 120, 80]

---

如果需要很多数组操作，那么numpy是python中的最佳选择

>>> import numpy
>>> data = numpy.array([(2, 4, 8), (3, 6, 5), (7, 5, 2)])
>>> data
array([[2, 4, 8],
       [3, 6, 5],
       [7, 5, 2]])

>>> data.sum()  # product of all elements
42
>>> data.sum(axis=1)   # sum of elements in rows
array([14, 14, 14])
>>> data.sum(axis=0)   # sum of elements in columns
array([12, 15, 15])
>>> numpy.product(data, axis=1)   # product of elements in rows
array([64, 90, 70])
>>> numpy.product(data, axis=0)   # product of elements in columns
array([ 42, 120,  80])
>>> numpy.product(data)      # product of all elements
403200

或数组的元素操作

>>> x,y,z = map(numpy.array,[(2, 4, 8), (3, 6, 5), (7, 5, 2)])
>>> x
array([2, 4, 8])
>>> y
array([3, 6, 5])
>>> z
array([7, 5, 2])

>>> x*y
array([ 6, 24, 40])
>>> x*y*z
array([ 42, 120,  80])
>>> x+y+z
array([12, 15, 15])

元素级数学运算，例如

>>> numpy.log(data)
array([[ 0.69314718,  1.38629436,  2.07944154],
       [ 1.09861229,  1.79175947,  1.60943791],
       [ 1.94591015,  1.60943791,  0.69314718]])
>>> numpy.exp(x)
array([    7.3890561 ,    54.59815003,  2980.95798704])

---

您不需要单独的库或模块来执行此操作。Python在语言中内置了列表理解，它允许您操作列表和执行计算。如果要进行大量的科学计算，或者要进行大量的数字运算，则可以使用numpy模块执行相同的操作。

在python 3.0中，reduce函数位于functools模块中。