Python生成器表达式：如何从循环中添加和设置条件？

具有以下距离矩阵

dist

：

dist = [[[ 0, 0],
[ 5,  0],
[ 1,  0],
[ 1,  1],
[11,  3],
[ 3,  6],
[ 5,  5]],

[[ 5,  0],
[ 0,  0],
[ 6,  0],
[ 4,  1],
[ 6,  3],
[ 2,  6],
[10,  5]],

[[ 1,  0],
[ 6,  0],
[ 0,  0],
[ 2,  1],
[12,  3],
[ 4,  6],
[ 4,  5]],

[[ 1,  1],
[ 4,  1],
[ 2,  1],
[ 0,  0],
[10,  2],
[ 2,  7],
[ 6,  6]],

[[11,  3],
[ 6,  3],
[12,  3],
[10,  2],
[ 0,  0],
[ 8,  9],
[16,  8]],

[[ 3,  6],
[ 2,  6],
[ 4,  6],
[ 2,  7],
[ 8,  9],
[ 0,  0],
[ 8,  1]],

[[ 5,  5],
[10,  5],
[ 4,  5],
[ 6,  6],
[16,  8],
[ 8,  1],
[ 0,  0]]]

我需要构建一个

生成器表达式

，其条件如下：

gexp = (dist[:, :, 0] <= 1) & (dist[:, :, 1] <= 2)

我有以下列：

columns = ['weight', 'height']

它们的阈值：

thresholds = {'weight': 1.0, 'height': 1.0}

及其相应的指标：

indexes = {'weight': 0, 'height': 1}

我尝试以以下方式构建生成器表达式：

    dynamic_gexpr = [dist[:,:,indexes.get(column)] <= thresholds.get(column) for column in columns]

---

我使用列表理解来应用构建生成器的条件，以另一种方式来做会让我感觉不对。无论如何，我不确定这是否是你想要的

x = ([second[0] <= 1 and second[1] <=2 for second in first] for first in dist)
for y in x:
    print(y)

对于这个版本，你会觉得它是错的，因为它是你想要的

x = ((second[0] <= 1 and second[1] <=2 for second in first) for first in dist)

for y in x:
    print([next(y),next(y),next(y),next(y),next(y),next(y),next(y)])

---

x=（（秒[0]如果您添加更多列，这应该会扩展。
arrays
将为每个条件保留一个数组。每个条件都通过
reduce
进行处理，reduce

依次累加所有数组的

按位_和

import numpy as np
from functools import reduce
columns = ['weight', 'height']
thresholds = {'weight': 1.0, 'height': 1.0}
indexes = {'weight': 0, 'height': 1}

l = np.array(dist)
arrays = [(l[:, :, indexes[column]] <= thresholds[column]) for column in columns]
l2 = reduce(lambda a, acc : np.bitwise_and(a, acc), arrays)
print(l2)

---

正如@1Z10在其评论中所建议的那样，

np.reduce

最终将成为您在这里的朋友

您应该首先构建一个布尔矩阵，其中每个最高级别的行都是子数组与其相应阈值的比较。然后只需在该矩阵上使用

np.reduce

和

nb.logical_和

即可得到您的结果，无论涉及多少次比较：

dynamic_expr = np.logical_and.reduce(np.array(
    [dist[:, :, indexes[col]] <= thresholds[col]
     for col in columns]))
print(dynamic_expr)

---

您可以共享一个更副本的可复制ndarray吗？：-）（一个简单的打印就可以了）使用

numpy

，您可以这样做：

l2=np.array（l）

和

l3=（l2[：，：，0]@yatu现在它已被编辑，我不知道为什么它打印时不带逗号。@Jeppe我需要在运行时使用列、索引和thResold中的值来构建此表达式。所有带I的条件都可以有N个条件，我只能在运行时知道，是否可以在不硬编码和条件的情况下以编程方式实现这一点ons或索引，以及阈值？添加了另一段代码，我在其中分解了比较位，因此更具程序性…也许这会有所帮助。
x = ((second[0] <= 1 and second[1] <=2 for second in first) for first in dist)

for y in x:
    print([next(y),next(y),next(y),next(y),next(y),next(y),next(y)])

def compare(a,b):
    return all([a[i] <= b[i] for i in range(len(a))])

x = ((compare(second, [1,2]) for second in first) for first in dist)

for y in x:
    print([next(y),next(y),next(y),next(y),next(y),next(y),next(y)])

import numpy as np
from functools import reduce
columns = ['weight', 'height']
thresholds = {'weight': 1.0, 'height': 1.0}
indexes = {'weight': 0, 'height': 1}

l = np.array(dist)
arrays = [(l[:, :, indexes[column]] <= thresholds[column]) for column in columns]
l2 = reduce(lambda a, acc : np.bitwise_and(a, acc), arrays)
print(l2)

[[ True False  True  True False False False]
 [False  True False False False False False]
 [ True False  True False False False False]
 [ True False False  True False False False]
 [False False False False  True False False]
 [False False False False False  True False]
 [False False False False False False  True]]

dynamic_expr = np.logical_and.reduce(np.array(
    [dist[:, :, indexes[col]] <= thresholds[col]
     for col in columns]))
print(dynamic_expr)

[[ True False  True  True False False False]
 [False  True False False False False False]
 [ True False  True False False False False]
 [ True False False  True False False False]
 [False False False False  True False False]
 [False False False False False  True False]
 [False False False False False False  True]]